<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??一站式輕松地調用各大LLM模型接口,支持GPT4、智譜、豆包、星火、月之暗面及文生圖、文生視頻 廣告
                該節的內容是支持向量機(SVM, support vectormachine)。 這里首先要推薦一下July的SVM三層境界([http://blog.csdn.net/v_july_v/article/details/7624837](http://blog.csdn.net/v_july_v/article/details/7624837))由于《機器學習實戰》關于SVM一章的內容很多,本節先簡單歸納一下關于支持向量機的基礎。 **一.概念描述** 支持向量機,就是通過最大化支持向量到分類超平面之間的分類間隔。分類超平面就是我們想要得到的決策曲面;支持向量就是離分類超平面最近的點,而間隔即為支持向量到分類超平面的距離。 核函數:這是一種將SVM擴展到更多數據集的方式,一般的說法是,核函數的作用是將數據從低維空間映射到高維空間,使得線性不可分變得線性可分。這句話的意思用個簡單的例子來說明: 有:`a1 * x1^2 + a2 * x2^2 + a3 * x1x2 = 0` 此時令:`z1=x1^2,`?`z2=x2^2`,?`z3=x1x2` 這樣就由原來的二維映射到三維空間了,而此時問題變成線性可分了。我們知道,在求解SVM時,**所有的運算都可以寫成內積的形式**,但是在高維空間中計算內積往往比較復雜,有時可能出現維數災難,此時我們就可以把內急運算符換成核函數,從而解決這個問題。 設非線性映射`Φ(x)`將全部原始數據?`x`?變換到另一個特征空間,在訓練SVM時,需要計算兩個樣本間的內積,兩個樣本`xi`和`xj`對應的高維空間的內積為:`<Φ(xi), Φ(xj)>`,該內積可以通過一個核函數`K(xi, xj)`計算得到。而不用知道這個樣本映射Φ(x)是怎樣。徑向基函數是SVM中常用的一個核函數: ![](https://box.kancloud.cn/2016-01-05_568b383834d96.jpg) 徑向基函數是一個采用向量作為自變量的函數,能夠基于向量距離運算輸出一個標量。 **二.書中提到的幾點** * SVM可能是現成最好的分類器,這里“現成”指的是分類器不加修改即可直接使用。幾乎所有的分類問題都可以使用SVM,但是,SVM本身是一個二值分類器,對于多類分類問題,如果需要使用SVM,則需要對代碼做一些修改。 * SVM的實現方法有很多,最常用的就是序列最小最優化算法(SMO,Sequential Minimal Optimization) * 支持向量機是一種分類器。之所以稱為“機”是因為它會產生一個二值決策結果,即它是一種決策“機”。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看