背景 支持向量机（SVM）背后的数学知识比较复杂，之前尝试过在网上搜索一些资料自学，但是效果不佳。所以，在我的数据挖掘工具箱中，一直不会使用SVM这个利器。最近，台大林轩田老师在Coursera上的机器学习技法课程上有很详细的讲授SVM的原理，所以机会难得，一定要好好把握这次机会，将SVM背后的原理...
分类：
其他好文 时间：
2015-01-02 22:25:56
阅读次数：
350
分类器分类器是一种计算机程序。他的设计目标是在通过学习后，可自动将数据分到已知类别。平面线性分类器一个简单的分类问题，如图有一些圆圈和一些正方形，如何找一条最优的直线将他们分开？我们可以找到很多种方法画出这条直线，但怎样的直线才是最优的呢？距离样本太近的直线不是最优的，因为这样的直线对噪声敏感度高，...
分类：
其他好文 时间：
2015-01-02 16:01:27
阅读次数：
2090
支持向量机通俗导论（理解SVM的三层境地）作者：July ；致谢：pluskid、白石、JerryLead。出处：结构之法算法之道blog。前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因非常简单，一者这个东西本身就并不好懂，要深入学...
分类：
其他好文 时间：
2015-01-01 21:14:15
阅读次数：
344
前言 支持向量机，也即SVM，号称分类算法，甚至机器学习界老大哥。其理论优美，发展相对完善，是非常受到推崇的算法。 本文将讲解的SVM基于一种最流行的实现 - 序列最小优化，也即SMO。 另外还将讲解将SVM扩展到非线性可分的数据集上的大致方法。预备术语 1. 分割超平面：就是决策边界 2...
分类：
其他好文 时间：
2014-12-31 16:11:28
阅读次数：
459
首先在eclipse 中开启设置代码折叠功能1. windows->perferences->General->Editors->Structured Text Editors可以看到Enable folding选项，打上勾就可以使用代码折叠功能，但还要在具体的语言中设置。2、windows->pe...
分类：
系统相关 时间：
2014-12-31 14:28:29
阅读次数：
291
继续上一课最后的问题，当数据是非线性可分的时候需要把数据转化到 Z 空间（线性可分）才可以利用 SVM ，因此需要知道 Z 空间是什么。这节课解决了不用知道具体的 Z 空间就可以利用 SVM 进行分类。
最后，该课程介绍了如何因对过拟化的问题。思想跟十一课介绍的相同，就是设置一个限制条件。...
分类：
其他好文 时间：
2014-12-31 01:08:36
阅读次数：
191
本篇博客转自 http://www.cppblog.com/guijie/archive/2013/09/05/169034.html 在电脑文件夹E:\other\matlab 2007a\work\SVM\libsvm-mat-3.0-1 ，这个是已经编译好的，到64位机上要重新编译(不要利用别...
分类：
其他好文 时间：
2014-12-30 11:32:38
阅读次数：
503
基于信息检索课程，完成实现了一个文本分类系统，现记录一下整个实现过程。
文本分类以文本数据为分类对象，本质上是机器学习方法在信息检索领域的一种应用，可以继承机器学习领域的很多概念和方法，但同时也需要结合信息检索领域的特点进行处理。主要研究的方向是：文本分词方法、文本特征提取方法、分类算法。
本人主要使用了5种常用的分类算法，分别是kNN、Rocchio、NBC、SVM和ANN，对每种算法的结果...
分类：
其他好文 时间：
2014-12-29 16:49:34
阅读次数：
185
1. 什么是LFS？ 2. LFS是怎么来的？ 3. 开始推演LFS
分类：
其他好文 时间：
2014-12-27 06:38:56
阅读次数：
188
一、基本知识1、分隔超平面(separating hyperplane)分隔超平面，也就是分类的决策边界，分布在超平面一侧的所有数据点属于某个类别，而分布在另一侧的数据属于另一个类别2、间隔(margin)数据点到超平面的距离（1）函数间隔 用z标记：z=0时，是超平面上的点; 如果z>0，则为正类...
分类：
其他好文 时间：
2014-12-25 13:04:09
阅读次数：
196
