An Introduction to Support Vector Machines and Other Kernel-based Learning Methods [Anglais] [Relié]

ai  algorithm  analysis  approach  between  bound  case  chapter  choice  class  classification  conditions  consider  constraints  corresponding  data  defined  definition  described  different  dimension  dimensional  distribution  does  dual  error  example  feature  first  following  form  function  gaussian  generalisation  give  given  hence  hyperplane  hypothesis  image  inner  input  kernel  known  learning  linear  log  loss  machines  margin  matrix  maximal  measure  method  new  note  number  objective  optimisation  order  output  parameters  particular  points  positive  primal  probability  problem  product  provides  quantity  regression  remark  representation  result  section  see  sequence  set  since  size  slack  solution  space  support  svm  system  techniques  terms  theorem  theory  training  two  use  used  value  variables  vector  weight  xi