支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括： 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机； 当训练样本近似线性可分时，通 ...
分类：
其他好文 时间：
2018-11-16 22:33:53
阅读次数：
413
原文链接：https://riboseyim.github.io/2018/02/10/Machine Learning Algorithms/ 摘要 机器学习算法分类：监督学习、半监督学习、无监督学习、强化学习 基本的机器学习算法：线性回归、支持向量机(SVM)、最近邻居(KNN)、逻辑回归、决策 ...
分类：
编程语言 时间：
2018-11-15 12:02:21
阅读次数：
166
完整版SMO算法与简单的SMO算法： 实现alpha的更改和代数运算的优化环节一模一样，唯一的不同就是选择alpha的方式。完整版应用了一些能够提速的方法。 同样使用Jupyter实现，后面不在赘述 参考地址：https://github.com/apachecn/AiLearning/blob/m ...
分类：
编程语言 时间：
2018-11-14 22:37:47
阅读次数：
232
1.SVM: SVM，全称是support vector machine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个分类超平面，从而将不同的数据分隔开。 2.SVM为什么采用间隔最大化： 1.当训练数据可分的时候，存在很多超平面可以将数据分开 2.感知机利用误分类最小策 ...
分类：
其他好文 时间：
2018-11-14 16:40:21
阅读次数：
330
Basically, the support vector machine is a binary learning machine with some highly elegant properties. Given a training sample, the support vector ma ...
分类：
其他好文 时间：
2018-11-11 10:53:29
阅读次数：
207
支持向量机（Support Vector Machines, SVM）:是一种监督学习算法。处理二分类 支持向量(Support Vector)就是离分隔超平面最近的那些点。 机(Machine)就是表示一种算法，而不是表示机器。 线性可分数据集：将数据集分隔开的直线称为分隔超平面。我们希望找到离分 ...
分类：
其他好文 时间：
2018-11-10 21:16:25
阅读次数：
174
1. 前言 在前一篇 "1. 支持向量机（SVM）原理" 中，我们对线性可分SVM的模型和损失函数优化做了总结。但是大家有没发现，之前的文章介绍的支持向量机会无法处理一些情况，比如在有0，1两类，在0类的中间出现了几个1类的异常点，这样的话要之前最原始的SVM绝对分离两个类基本是不可能的了。本文对支 ...
分类：
其他好文 时间：
2018-11-10 10:54:42
阅读次数：
191
对于非线性“Decision Boundary” 如果用传统的多项式回归，有 \[{h_\theta }\left( x \right) = {\theta _0} + {\theta _1}{x_1} + {\theta _2}{x_2} + {\theta _3}{x_1}{x_2} + {\t ...
分类：
其他好文 时间：
2018-11-03 14:03:35
阅读次数：
222
向量的内积（inner product） 对于向量 \[\begin{array}{l}u = \left[ {\begin{array}{*{20}{c}}{{u_1}}\\{{u_2}}\end{array}} \right]\\v = \left[ {\begin{array}{*{20}{c ...
分类：
其他好文 时间：
2018-11-02 23:34:30
阅读次数：
114
支持向量机的目标是 \[\underbrace {\min }_\theta \left\{ {C\left[ {\sum\limits_{i = 1}^m {{y^{\left( i \right)}}{\mathop{\rm Cos}\nolimits} {t_1}\left( {{\theta ...
分类：
其他好文 时间：
2018-11-02 20:25:46
阅读次数：
156
