[TOC]更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/# 线性支持向量机(鸢尾花分类)# 一、导入模块```pythonimport numpy as npimport ... ...
分类：
其他好文 时间：
2019-10-16 17:36:23
阅读次数：
75
首先需要说明的是：训练集（training set）、验证集（validation set）和测试集（test set）本质上并无区别，都是把一个数据集分成三个部分而已，都是（feature, label）造型。尤其是训练集与验证集，更无本质区别。测试集可能会有一些区别，比如在一些权威计算机视觉比赛 ...
分类：
其他好文 时间：
2019-10-12 13:14:56
阅读次数：
313
我们常常遇到一些这样的名词，比如说SVM（支持向量机），贝叶斯，k临近法。这些都是分类器，去查找这些名词时，你会找到一大推的数学公式，这瞬间劝退我这种数学不是太好的人，下面简单谈一下我的理解； 书上定义：在机器学习中，分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别。 什么意思 ...
分类：
其他好文 时间：
2019-10-10 10:43:14
阅读次数：
131
在SVM中，我们的超平面参数最终只与间隔边界上的向量（样本）有关，故称为支持向量机。 求解最优超平面，即求最大化间隔，或最小化间隔的倒数：||w||2/2，约束条件为yi(wTxi+b)>=1 因为此函数为凸函数（拉格朗日乘子法的前提条件），可用拉格朗日乘子法转化为对偶问题，当满足KKT条件时，对偶 ...
分类：
其他好文 时间：
2019-10-02 13:12:30
阅读次数：
164
一、任务 这次我们将了解在机器学习中支持向量机的使用方法以及一些参数的调整。支持向量机的基本原理就是将低维不可分问题转换为高维可分问题，在前面的博客具体介绍过了，这里就不再介绍了。 首先导入相关标准库： 作为一个例子，首先我们随机生成一些数据，考虑分类任务的简单情况，其中两个类别的点是良好分隔的： ...
分类：
其他好文 时间：
2019-09-28 23:53:53
阅读次数：
229
<math xmlns="http://www.w3.org/1998/Math/MathML"><munderover><mrow><mo>∑</mo><mi>a</mi><mo>+</mo><mi>b</mi></mrow><mrow><mi>i</mi><mo>=</mo><mn ...
分类：
其他好文 时间：
2019-09-28 17:40:34
阅读次数：
65
支持向量机分为：线性可分支持向量机、线性支持向量机、非线性支持向量机 线性可分支持向量机：训练数据线性可分，通过硬间隔最大化，学习一个线性的分类器； 线性支持向量机：训练数据近似线性可分，通过软间隔最大化，学习一个线性分类器 非线性支持向量机：训练数据线性不可分，通过使用核技巧以及软间隔最大化，学习 ...
分类：
其他好文 时间：
2019-09-20 17:00:41
阅读次数：
206
支持向量机原理 支持向量机要解决的问题其实就是寻求最优分类边界。且最大化支持向量间距，用直线或者平面，分隔分隔超平面。 基于核函数的升维变换 通过名为核函数的特征变换，增加新的特征，使得低维度空间中的线性不可分问题变为高维度空间中的线性可分问题。 线性核函数：linear，不通过核函数进行维度提升， ...
分类：
其他好文 时间：
2019-09-12 12:58:40
阅读次数：
75
支持向量机（SVM） 算法分类：监督算法，分类算法 1.SVM算法简介 SVM是分类算法中比较特殊的一种，它并不像LR算法那样使用到所有数据进行模型训练，SVM虽然也使用了全部数据，但是绝大部分数据只参与约束条件的限制，不参与最终模型参数的训练。SVM的目标是分类最大化分类间隔，何为最大化分类间隔， ...
分类：
其他好文 时间：
2019-09-11 09:19:47
阅读次数：
86
在第二章中我们学习到感知机模型的相关知识， 感知机模型是当数据线性可分时，如何利用一个超平面区分两类不同的数据。 对于以上情况，支持向量机和感知机是非常相似的，两者的差别在于 损失函数的不同 。当线性不可分的情况下，SVM可以用 核函数 来实现对线性不可分的数据进行分类。 思维导图 硬间隔最大化和软 ...
分类：
其他好文 时间：
2019-09-07 22:11:59
阅读次数：
114
