?1.SVM 的基本思想： ?SVM把分类问题转换成寻求分类平面的问题，并通过最大化分类边界点到分类平面的距离来实现分类。通俗的讲支持向量机的解决的问题是找到最好的分类超平面。支持向量机（Support vector machine)通常用来解决二分类问题 ? 2.构造目标函数 类似于点到直线的距离 ...
分类：
其他好文 时间：
2018-07-19 13:29:58
阅读次数：
210
贝叶斯分类首先准备好数据材料 第一次获取20newsgroups时会花费数分钟时间来获取数据，通过获得target_names可以查看其中的类型。 为了进行分类，采用词袋模型的方法，即统计每篇新闻的单词，不考虑单词间的联系，仅仅考虑它们出现的频率。 11314代表有11314篇文章，130107意思 ...
分类：
其他好文 时间：
2018-07-13 22:20:25
阅读次数：
348
下载地址：网盘下载 内容简介 · · · · · · 本书介绍了统计学习理论和支持向量机的关键思想、结论和方法，以及该领域的最新进展。统计学习理论是针对小样本情况研究统计学习规律的理论，是传统统计学的重要发展和补充。其核心思想是通过控制学习机器的容量实现对推广能力的控制。由Springer-Verl ...
分类：
其他好文 时间：
2018-07-07 10:36:20
阅读次数：
616
序 SVM支持向量机作为统计分类和回归分析中的重要方法，其理论推导难度较大，根据自己查阅的相关资料，按照问题理解、待处理数据是否可分的判断、主要推导过程、核函数的选择及推导、核函数的选择原则、python实现的相关方法、超参数调优等内容，以粗线条的方式，总结如下要点，方便查阅和易于理解： 1.问题分 ...
分类：
其他好文 时间：
2018-07-06 12:20:36
阅读次数：
149
本文来自同步博客。 前面介绍的SVM，无论是线性可分还是非线性可分，称为Hard Margin SVM，都要求对输入数据进行精确划分。我们不难想到这类SVM存在过拟合这个问题。如果输入数据本身就存在误差，精确划分反而是没意义的。本篇文章就如何处理过拟合问题，介绍即所谓的Soft Margin SVM ...
分类：
其他好文 时间：
2018-07-04 13:49:58
阅读次数：
152
12.1目标优化 （1）以下是逻辑回归以及单个样本的代价函数 （2）首先将使用上图中紫色的线（称为cost1或者cost0）的代替曲线，然后将样本数m去掉，最后将C代替1/λ（可以这么理解，但不完全是），从而实现逻辑回归的代价函数到SVM的转换。 （3）SVM的输出将不再是逻辑回归的概率，而就是0或 ...
分类：
其他好文 时间：
2018-07-03 22:37:55
阅读次数：
265
决策边界：支持向量机其实就是点集(正负类离超平面最近的点集) 算法思想：1)求数据集到超平面间隔最小值 2)最小间隔最大化 点到超平面距离： 决策方程： 优化目标: 放缩变换： 优化目标变为： 求解过程： 求解实例： 低维度不可分解决办法：利用核函数将低纬数据映射到高纬度，超平面划分 低纬映射高纬例 ...
分类：
其他好文 时间：
2018-07-02 20:25:26
阅读次数：
190
自学机器学习三个月，接触到了各种算法，然而很多知其然而不知其所以然，因此想对过往所学的知识做个总结，该系列的文章不会有过多的算法推导。 我们知道较早的分类模型——感知机（1957年）是二类分类的线性分类模型，也是后来神经网络和支持向量机的基础。支持向量机（Support vector machine ...
分类：
编程语言 时间：
2018-06-23 22:51:03
阅读次数：
239
概念 监督学习方法可以分为生成方法(generative approach)和判别方法(discriminative approach),学习到的模型对应地可分为生成模型(generative model)和判别模型(discriminative model).生成模型的计算过程为，先根据既有数据学 ...
分类：
其他好文 时间：
2018-06-19 22:48:24
阅读次数：
187
