这节课讲的是SVM的对偶问题，比较精彩的部分：为何要使用拉格朗日乘子以及如何进行对偶变换。 参考：http://www.cnblogs.com/bourneli/p/4199990.html http://www.cnblogs.com/xbf9xbf/p/4619866.html
分类：
系统相关 时间：
2015-07-18 12:14:26
阅读次数：
170
极其淡腾的一学期终于过去了，暑假打算学下台大的这门机器学习技法。 第一课是对SVM的介绍，虽然之前也学过，但听了一次感觉还是很有收获的。这位博主总结了个大概，具体细节还是要听课：http://www.cnblogs.com/bourneli/p/4198839.html 这位博主总结的...
分类：
其他好文 时间：
2015-07-17 13:27:23
阅读次数：
118
应该是去年的这个时候，我开始接触机器学习的相关知识，当时的入门书籍是《数据挖掘导论》。囫囵吞枣般看完了各个知名的分类器：决策树、朴素贝叶斯、SVM、神经网络、随机森林等等；另外较为认真地复习了统计学，学习了线性回归，也得以通过orange、spss、R做一些分类预测工作。可是对外说自己是搞机器学习的...
分类：
编程语言 时间：
2015-07-16 16:18:12
阅读次数：
461
KVM是什么?for Kernel-based Virtual Machine安装环境Centos 6.5 mini x64 禁用selinux, 禁用防火墙安装过程:1. 查看我们的电脑是否支持 虚拟化grep -E -o 'svm|vmx' /proc/cpuinfo如果有结果就说明支持如果没有...
分类：
其他好文 时间：
2015-07-14 15:05:36
阅读次数：
137
假设正类样本远多于负类1、线性可分的情况假设真实数据集如下：由于负类样本量太少，可能会出现下面这种情况使得分隔超平面偏向负类。2、线性不可分的情况源数据以及理想的超平面情况如下：很可能由于负类样本太少出现以下这种情况，严重偏向负类
分类：
其他好文 时间：
2015-07-11 12:10:00
阅读次数：
116
主要分享了Coursera 机器学习相关课程材料，包括练习题与我的Matlab解答。 课程涉及技术：梯度下降、线性回归、监督/非监督学习、分类/逻辑回归、正则化、神经网络、梯度检验/数值计算、模型选择/诊断、学习曲线、评估度量、SVM、K-Means聚类、PCA、Map Reduce & Data ...
分类：
系统相关 时间：
2015-07-11 06:41:10
阅读次数：
442
注：以下的默认为2分类1、SVM原理：(1)输入空间到特征空间得映射所谓输入空间即是输入样本集合，有部分情况输入空间与特征空间是相同得，有一部分情况二者是不同的，而模型定义都是定义到特征空间的，特征空间是指所有的输入特征向量，特征向量是利用数值来表示的n维向量，输入空间到特征空间的映射，也就是对所用...
分类：
其他好文 时间：
2015-07-09 19:27:48
阅读次数：
223
初探KVM-第一个虚拟机
一、准备环境
主板是否支持虚拟化技术：
egrep‘(vmx|svm)‘--color=always/proc/cpuinfo
检查kvm是否加载：
#lsmod|grepkvm
配置文件：
/etc/libvirt/libvirtd.conf
管理方式
1）
安装vnc用GUI工具(VirtualMachineManager)管理：
VirtualMachineManager..
分类：
其他好文 时间：
2015-07-09 14:51:04
阅读次数：
197
SVM入门（一）至（三）Refresh按:之前的文章重新汇编一下,修改了一些错误和不当的说法，一起复习,然后继续SVM之旅.（一）SVM的简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多...
分类：
其他好文 时间：
2015-07-09 00:08:33
阅读次数：
1023
原文：http://blog.csdn.net/keith0812/article/details/8901113“支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上”结构化风险结构化风险 = 经验风险 + 置信风险经验风险 =分类器在给定样本上的误差置信风险 = 分类器在未知...
分类：
其他好文 时间：
2015-07-08 10:47:41
阅读次数：
121
