Аннотация:Метод опорных векторов – набор алгоритмов обучения с учителем, использующихся для задач классификации и регрессии в машинном обучении. Этот алгоритм принадлежит к семейству линейных классификаторов. На данный момент является одним из наиболее популярных алгоритмов в машинном обучении ввиду его обобщающей способности и простого использования в нейронных сетях в качестве отдельных слоев.
В дипломной работе Хапкина А.В. рассматривается обобщение метода опорных векторов для работы с панельными данными. Имеются объекты, которые имеют определенные характеристики, меняющиеся с течением времени, и у каждого объекта в каждый момент времени имеются метки, которые появляются с некоторой задержкой по сравнению с характеристиками. Требуются предсказать значение меток для последнего периода времени, когда известны только характеристики объектов и вся прошлая информация (характеристики и метки).
Основная идея обобщения метода для работы с панельными данными состоит в добавлении к функционалу, который минимизируется, специальной последовательности слагаемых, которая называется регуляризацией по времени, в дополнение к обычной регуляризации по Тихонову для борьбы с переобучением. Полученный функционал выписан в явной форме, проведен анализ нахождения его минимума, изучена асимптотика алгоритма. Также проведен эксперимент алгоритма на реальных данных от ОАО «Сбербанк», в котором сравниваются результаты обычного SVM-алгоритма и его обобщения в рамках одной задачи предсказания.