Evernote Export 支持向量机(Support Vector Machine) 不适定问题不止一个决策边界 要找一个决策边界，不仅能将训练集很好的划分，而且提升模型的泛化能力 支持向量机直接将算法放在运行的内部，在不适定的问题中，使用svm去建模是好的 svm是统计学习中非常重要的方法 ...
分类：
其他好文 时间：
2019-01-14 18:01:40
阅读次数：
303
库的基本功能 sklearn库共分为6大部分，分别用于完成分类任务、回归任务、聚类任务、降维任务、模型选择以及数据的预处理。 前4类功能： 1.分类任务；对于支持向量机这个分类算法而言，需要调用svm.SVC这个模块 2.回归任务 3.聚类任务 4.降维任务 内置数据 ...
分类：
其他好文 时间：
2019-01-09 13:30:01
阅读次数：
219
感知机算法 [TOC] 简介 感知机算法是最简单最基础的机器学习算法，可以用于处理最简单的二分类任务，并且模型和学习算法都十分简单。感知机1957年由Rosenblatt提出，是神经网络与支持向量机的基础。 感知机模型 感知机是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1 ...
分类：
编程语言 时间：
2019-01-07 22:46:04
阅读次数：
315
数据库 IO类 统计类 描述性统计 回归（包括统计和机器学习） 假设检验 时间序列 生存分析 机器学习类 分类器 LDA、QDA SVM(支持向量机) 基于临近 贝叶斯 决策树 Assemble方法 聚类 关联规则 神经网络 概率图模型 文本、NLP 基本操作 主题模型 与其他分析/可视化/挖掘/报 ...
分类：
编程语言 时间：
2019-01-03 22:37:25
阅读次数：
522
官方文档 http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html 参数说明 http://m.blog.csdn.net/github_39261590/article/details/75009069 常用核函数 ...
分类：
其他好文 时间：
2018-12-24 12:07:14
阅读次数：
118
机器学习分类（1）监督学习 数据集是有标签的，就是说对于给出的样本我们是知道答案的，我们大部分学到的模型都是属于这一类的，包括线性分类器、支持向量机等等； （2）无监督学习 跟监督学习相反，数据集是完全没有标签的，主要的依据是相似的样本在数据空间中一般距离是相近的，这样就能通过距离的计算把样本分类， ...
分类：
其他好文 时间：
2018-12-21 22:56:27
阅读次数：
286
概述 感知机在1957年由Rosenblatt提出，是神经网络和支持向量机的基础，它是一个二类分类的线性分类模型，属于判别模型。感知机学习旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。 感知机模型 1、定义 假设输入空 ...
分类：
其他好文 时间：
2018-12-15 13:58:06
阅读次数：
201
1.基础支持向量机(SVMs)是一套用于分类、回归和异常值检测的监督学习方法。支持向量机的优点是:在高维空间中有效。在维度数量大于样本数量的情况下仍然有效。在决策函数中使用一个训练点子集(称为支持向量)，因此它也是内存高效的。通用的:可以为决策函数指定不同的内核函数。提供了通用的内核，但也可以指定定制的内核。支持向量机的缺点包括:如果特征数远大于样本数，则在选择核函数时避免过拟合，正则项至关重要。
分类：
其他好文 时间：
2018-12-04 18:49:07
阅读次数：
287
1. 前言 在约束最优化问题中，常常利用拉格朗日对偶性将原始问题转化为对偶问题，通过求解对偶问题获得原始问题的解。该方法应用在许多统计学方法中，如最大熵模型、支持向量机。 2. 原始问题 假设$f(x),c_i(x),h_j(x)$是定义在$R^n$上的连续可微函数。考虑如下最优化问题 $$ \mi ...
分类：
其他好文 时间：
2018-11-18 20:30:23
阅读次数：
210
1. 间隔与支持向量 数据集$D = \{ ({{\bf{x}}_1},{y_1}),({{\bf{x}}_2},{y_2}),...,({{\bf{x}}_m},{y_m})\} $，其中${{\bf{x}}_i} = \{ {x_{i1}},{x_{i2}},...,{x_{id}}\} $，包 ...
分类：
其他好文 时间：
2018-11-18 18:16:09
阅读次数：
228
