线性可分支持向量机 给定线性可分的训练数据集，通过间隔最大化或等价地求解相应的凸二次规划问题学习到的分离超平面为 $$w^{\ast }x+b^{\ast }=0$$ 以及相应的决策函数 $$f\left( x\right) =sign\left(w^{\ast }x+b^{\ast } \righ ...
分类：
其他好文 时间：
2019-01-15 15:52:02
阅读次数：
301
支持向量机（SVM），作为一个分类模型，可以从两部分来理解： 1）线性问题 即求最优超平面：wTx+b=0。其中要求，向量集合被超平面没有错误地分开，并且离超平面最近的向量与之间距（称作间隔 margin margin）是最大的。所以，问题就转化为求max（2/||w||）,即min（||w||2/ ...
分类：
其他好文 时间：
2019-01-15 00:45:53
阅读次数：
192
今天在B站上看了不少数据可视化的视频，就是那种用柱形图显示动态排名的视频，又恰好看到一个up主的教学视频。 up炒鸡良心，不仅做好了教学视频，连源码也给出来了，这里我拿来做一下分享 up主-见齐-数据可视化教学 GitHub源码 ...
分类：
其他好文 时间：
2019-01-14 23:11:39
阅读次数：
248
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
多分类问题优先选择SVM，随机森林，其次是逻辑回归。 朴素贝叶斯和线性回归都是比较简单的模型，对于数据的要求比较高，功能不是特别强大。 1、决策树 不需要对数据做任何预处理， 2、随机森林 3、数据预处理与特征工程 （1）数据预处理：只需要X 数据无量钢化：标准化(转化为正态分布)、归一化(不改变数 ...
分类：
编程语言 时间：
2019-01-13 16:08:38
阅读次数：
312
前提是我把下载下来的libsvm-3.22存放到C盘根目录下，并为之设置了环境变量，安装了gnu.（只看文字有些乏味，有空我会把图片补充进去的） 第一步，进入到libsvm-3.22\windows目录（该目录下有svm-train.exe等）。 第二步，数据缩放 >svm-scale -l 0 - ...
分类：
其他好文 时间：
2019-01-11 20:07:39
阅读次数：
124
新主机kvm初始环境的部署 I.检查主机cpu是否支持虚拟化 其中vmx是 技术支持，svm是 技术支持 如果有值，表示cpu支持虚拟化，一般公司的物理主机都支持cpu虚拟化 II.宿主机软件安装 III.检查kvm模块是否加载 IV.网桥的搭建 直接使用桥接方式，新建立桥接网卡br0，然后将物理网 ...
分类：
其他好文 时间：
2019-01-10 13:09:41
阅读次数：
166
原文： http://www.voidcn.com/article/p rtzqgqkz bpg.html <! 正文顶部广告 (adsbygoogle = window.adsbygoogle || []).push({}); 最近看了下 PyTorch 的损失函数文档，整理了下自己的理解，重新格 ...
分类：
其他好文 时间：
2019-01-09 20:26:06
阅读次数：
6414
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
概述 集成学习通过将多个学习器进行结合，常可获得比单一学习器显著优越的泛化性能，对“弱学习器” 尤为明显。弱学习器常指泛化性能略优于随机猜测的学习器。 对于每个弱学习器而言，个体学习不能太坏，并且要有“多样性”，即学习器间具有差异。即集成个体应“好而不同”。 假设基分类器的错误率相互独立，则由Hoe ...
分类：
其他好文 时间：
2019-01-08 23:34:48
阅读次数：
415
