Support Vector Regression

Memahami Support Vector Regression 

Dalam thesis ini saya akan menggunakan Support Vector Regression sebagai pembanding dari regresi linear multivariabe yang digunakan sebagai model machine learning untuk melakukan prediksi kadar sulfur pada furnace matte berdasarkan berbagai parameter input yang tersedia.

Untuk mempelajari Support Vector Regression, saya mengambil beberapa referensi yaitu:

• Support Vector Machine Part 1 (Introduction The Main Concept) by Josh Starmer : https://www.youtube.com/watch?v=efR1C6CvhmE
• Buku Data Mining dan Big Data Analytics Edisi 2 Bab 14 : Support Vector Regresi
• Support Vector Regression (SVR) based Prediction with R https://www.youtube.com/watch?v=DBApaR2mTg0

Support Vector Machine Part 1 (Introduction The Main Concept)

Dalam video berdurasi 20 menit 31 detik ini membahas konsep utama dari Support Vector Machine yang digunakan untuk klasifikasi.

Treshold

Margin

Maximum Margin Classifier --> Supper sensitive terhadap outliear

Allow miss classification to improve

Bias/Variance trade off

Soft Margin --> allow the miss classification and to do cross validation

Use Soft Margin Classifier --> is Support Vector Machine

When two data

Blu line =soft margin

Data 3 demensional --> the soft margin is plane

A Plot

A Line

A Plane

A Hyperplane

Can handle outlier, can handle miss classification

Support Vector Regression Menggunakan R

Referensi dibawah bisa digunakan untuk panduan mencoba SVR menggunakan R.  Ada komparasi juga dengan linear model

https://www.svm-tutorial.com/2014/10/support-vector-regression-r/

https://rpubs.com/richkt/280840