LR & SVM 的区别 相同点 1. LR和SVM都是分类算法。 2. 如果不考虑核函数，LR和SVM都是线性分类算法，也就是说他们的分类决策面都是线性的。 3. LR和SVM都是监督学习算法。 4. LR和SVM都是判别模型。 不同点 1. 损失函数不一样 2. 支持向量机只考虑局部的边界线附近 ...
分类：
其他好文 时间：
2018-10-26 19:35:13
阅读次数：
166
对于线性可分的数据而言，我们采用PLA算法也能得到想要分类的效果，但是数据进入的顺序不同，那么得到的分类效果也有所区别，如图1.1所示。我们希望能够找到一条鲁棒性最好的线来对问题进行分类。那么，我们就开始了对这个问题的建模过程了。 图1.1 step1: 用自然语言来表示我们的算法。我们当然希望最终 ...
分类：
其他好文 时间：
2018-10-21 19:41:07
阅读次数：
206
简介 前面介绍的线性回归，SVM等模型都是基于数据有标签的监督学习方法，本文介绍的聚类方法是属于无标签的无监督学习方法。其他常见的无监督学习还有密度估计，异常检测等。 聚类就是对大量未知标注的数据集，按照数据的内在相似性将数据集划分为多个类别（在聚类算法中称为簇），使类别内的数据相似度高，二类别间的 ...
分类：
其他好文 时间：
2018-10-20 16:15:10
阅读次数：
140
简介： 支持向量机（SVM）是一种二分类的监督学习模型，他的基本模型是定义在特征空间上的间隔最大的线性模型。他与感知机的区别是，感知机只要找到可以将数据正确划分的超平面即可，而SVM需要找到间隔最大的超平面将数据划分开。所以感知机的超平面可以有无数个，但是SVM的超平面只有一个。此外，SVM在引入核 ...
分类：
其他好文 时间：
2018-10-19 14:02:11
阅读次数：
160
参考 https://zhuanlan.zhihu.com/p/42334376 https://blog.csdn.net/liugan528/article/details/79448379 https://blog.csdn.net/jiaoyangwm/article/details/792 ...
分类：
其他好文 时间：
2018-10-18 18:06:01
阅读次数：
102
介绍了SVM的概念以及如何利用SVM进行一个身高体重的训练和预测。如果类别比较简单的话，那么在二维空间上它有可能就是一条直线。如果类别比较复杂，那么投影到高维空间上它就是一个超平面。所以SVM的本质它就是寻求这样一个最优的超平面。超平面只要找到了，那么就可以利用这个超平面完成分类问题。 SVM支持很 ...
分类：
其他好文 时间：
2018-10-14 13:54:24
阅读次数：
193
SVM支持向量机的核：线性核。进行预测的时候我们需要把正负样本的数据装载在一起，同时我们label标签也要把正负样本的数据全部打上一个label。 第四步，开始训练和预测。ml(machine learning(机器学习模块)). ...
分类：
其他好文 时间：
2018-10-14 11:30:16
阅读次数：
96
Svm算法又称为支持向量机，是一种有监督的学习分类算法，目的是为了找到两个支持点，用来使得平面到达这两个支持点的距离最近。 通俗的说：找到一条直线，使得离该线最近的点与该线的距离最远。 我使用手写进行了推导 求解实例 软间隔，通过设置C，使得目标函数的松弛因子发生变化，松弛因子越大，表示分类越不严格 ...
分类：
编程语言 时间：
2018-10-13 22:41:10
阅读次数：
238
文本分类问题：给定文档p（可能含有标题t），将文档分类为n个类别中的一个或多个 文本分类应用：常见的有垃圾邮件识别，情感分析 文本分类方向：主要有二分类，多分类，多标签分类 文本分类方法：传统机器学习方法（贝叶斯，svm等），深度学习方法（fastText，TextCNN等） 文本分类的处理大致分为 ...
分类：
其他好文 时间：
2018-10-12 13:47:17
阅读次数：
578
名称：FaceNet: A Unified Embedding for Face Recognition and Clustering 时间：2015.04.13 来源：CVPR 2015 来自谷歌的一篇 ...
分类：
Web程序 时间：
2018-10-10 21:51:38
阅读次数：
208
