SVM，支持向量机。数据挖掘中的一个经典算法，博主学了挺久，把学到的一些东西跟大家分享一下。
支持向量机(SVM,Support Vector Machine)是在高维特征空间使用线性函数假设空间的学习系统,它由一个来自最优化理论的学习算法训练,该算法实现了一个由统计学习理论到处的学习偏置.此学习策略由Vapnik和他的合作者提出,是一个准则性的
并且强有力的方法.在它提出来的若干年来,在范...
分类：
编程语言 时间：
2014-10-11 19:34:26
阅读次数：
352
SVM（支持向量机）是机器学习算法里用得最多的一种算法。SVM最经常使用的是用于分类，只是SVM也能够用于回归，我的实验中就是用SVM来实现SVR（支持向量回归）。 对于功能这么强的算法，opencv中自然也是有集成好了，我们能够直接调用。OpenCV中的SVM算法是基于LibSVM软件包开发...
分类：
其他好文 时间：
2014-10-11 16:43:15
阅读次数：
473
今天听了一个师兄的讲课，才发现我一直在科研上特别差劲，主要表现在以下几个方面，（现在提出也为了督促自己在以后的学习工作道路上能够避免这些问题）1、做事情总是有头无尾，致使知识点不能一次搞透，每次在用到相同知识点的时候才发现之前对这个知识了解的还是不透彻。2、不善于总结，做的东西（如代码和论文）很多也...
分类：
其他好文 时间：
2014-10-11 11:35:35
阅读次数：
255
（一）SVM的背景简单介绍支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出很多特有的优势，并可以推广应用到函数拟合等其它机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和...
分类：
其他好文 时间：
2014-10-07 15:20:53
阅读次数：
367
svm_predict_probability函数需要在train之前设置parameter参数才能得到概率模型。当svm_parameter.probability=1，或者options中的-b参数设置为1时。structsvm_parameter { intsvm_type; intkernel_type; intdegree; /*forpoly*/ doublegamma; /*forpoly/rbf/sigmoid*/ d..
分类：
其他好文 时间：
2014-10-06 16:12:01
阅读次数：
7181
1）从LIBSVM的官网http://www.csie.ntu.edu.tw/~cjlin/libsvm/上下载最新版本的LIBSVM，当前版本为libsvm-3.18.zip2）解压压缩包到电脑上一位置，如：C:\ProgramFiles\libsvm-3.183）假设你使用的是64位的操作系统和matlab。此时将libsvm-3.18文件夹下的windows目录添加到matla..
分类：
其他好文 时间：
2014-10-01 21:59:52
阅读次数：
298
1.首先从主页上下载libsvm、Python2.5.2和gnuplot三个软件。http://www.csie.ntu.edu.tw/~cjlin/2.准备好数据，首先要把数据转换成Libsvm软件包要求的数据格式为：labelindex1:value1index2:value2...其中对于分类来说label为类标识，指定数据的种类；对于回归来说label为目标..
分类：
其他好文 时间：
2014-10-01 21:58:42
阅读次数：
400
SVM的应用领域很广，分类、回归、密度估计、聚类等，但我觉得最成功的还是在分类这一块。用于分类问题时，SVM可供选择的参数并不多，惩罚参数C，核函数及其参数选择。对于一个应用，是选择线性核，还是多项式核，还是高斯核？还是有一些规则的。实际应用中，多数情况是特征维数..
分类：
其他好文 时间：
2014-10-01 13:19:01
阅读次数：
177
支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有..
分类：
其他好文 时间：
2014-10-01 01:07:40
阅读次数：
234
线性分类器(一定意义上,也可以叫做感知机)是最简单也很有效的分类器形式.在一个线性分类器中,可以看到SVM形成的思路,并接触很多SVM的核心概念.用一个二维空间里仅有两类样本的分类问题来举个小例子。如图所示C1和C2是要区分的两个类别，在二维平面中它们的样本如上图所示。中间..
分类：
其他好文 时间：
2014-10-01 00:50:50
阅读次数：
317
