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
经常用到sklearn中的SVC函数，这里把文档中的参数翻译了一些，以备不时之需。 本身这个函数也是基于libsvm实现的，所以在参数设置上有很多相似的地方。（PS: libsvm中的二次规划问题的解决算法是SMO）。sklearn.svm.SVC(C=1.0, kernel='rbf', degr ...
分类：
其他好文 时间：
2019-09-02 19:47:06
阅读次数：
160
版权所有，转帖注明出处 章节SciKit Learn 加载数据集 SciKit Learn 数据集基本信息 SciKit Learn 使用matplotlib可视化数据 SciKit Learn 可视化数据:主成分分析(PCA) SciKit Learn 预处理数据 SciKit Learn K均值 ...
分类：
其他好文 时间：
2019-09-02 09:26:25
阅读次数：
124
二类分类模型 模型：在特征空间上的间隔最大的线性分类器求解凸优化（凸二次规划） 1、线性可分支持向量机 利用间隔最优化求最优分离超平面，解是唯一的； $$\omega ^{\ast }\cdot x+b^{\ast }=0$$ 分类决策函数 $$f(x)=sign(\omega ^{\ast }\c ...
分类：
其他好文 时间：
2019-09-01 14:51:15
阅读次数：
73
判别式模型（Discriminative Model）是直接对条件概率p(y|x;θ)建模。常见的判别式模型有 线性回归模型、线性判别分析、支持向量机SVM、神经网络等。 生成式模型（Generative Model）则会对x和y的联合分布p(x,y)建模，然后通过贝叶斯公式来求得p(yi|x)，然 ...
分类：
其他好文 时间：
2019-08-28 13:03:45
阅读次数：
70
