Memahami Support Vector Machine: Mencari Margin Terlebar, Vektor demi Vektor

Isi buku. Bagian I menyiapkan geometri hiperbidang dan optimisasi berkendala (Lagrange, KKT, dualitas). Bagian II membangun SVM dari perceptron, margin keras, masalah dual dan support vector, margin lunak, sampai hinge loss. Bagian III membahas kernel, yaitu pemetaan fitur, kernel yang sah dan matriks Gram, serta kernel RBF. Bagian IV membahas cara menghitung, yaitu SMO dan SVM linear untuk data besar (Pegasos, dual coordinate descent, fitur Fourier acak, Nystroem). Bagian V membahas cara memakai, yaitu pembakuan, pemilihan C dan gamma, validasi silang bersarang, multikelas, peluang, dan data tak seimbang. Bagian VI memuat regresi (SVR), nu-SVM dan One-Class SVM, teori margin, dan satu studi kasus utuh pada data breast cancer Wisconsin.

Fitur buku. Ada 611 Contoh Soal yang dikerjakan lengkap, dimulai dari enam titik yang dapat dihitung dengan tangan. Setiap bab ditutup dengan subbab Soal dan Pembahasan serta latihan yang semuanya berkunci. Semua angka dihitung ulang oleh kode Python (NumPy, SciPy, scikit-learn), dan algoritma inti ditulis dari nol lalu dicocokkan dengan scikit-learn. Semua kode tersedia bebas di GitHub.

Untuk siapa. Mahasiswa sains, teknik, dan ilmu data, serta dosen dan praktisi yang ingin memahami apa yang dihitung sebuah SVM. Prasyaratnya kalkulus peubah banyak, aljabar linear dasar, dan kemampuan membaca Python. Tebalnya 557 halaman A5.