码迷,mamicode.com
首页 > 其他好文 > 详细

机器学习之SVM__1

时间:2017-11-12 23:11:12      阅读:391      评论:0      收藏:0      [点我收藏+]

标签:工作   十分   一条直线   分类   简单的   span   log   表示   com   

一、支持向量机:

1.优点:泛化错误率较低,计算开销不大,结果易解释。

2.缺点:对参数调节和核函数的选择敏感,原始分类器不加修改仅适用于处理二类问题

3.适用数据类型:数值型和标称型数据。

 

二、重要概念:

1.分隔超平面:

  将数据集分隔开来的直线称为分隔超平面。如果所给的数据集是二维的,分隔超平面是一条直线;数据集是三维的,分隔超平面是一个平面。

2.间隔:

  这里点到分隔面的距离。

3.支持向量:
  离分隔超平面最近的那些点。

 

三、寻找最大间隔

  分割超平面的形式可以写成技术分享。点A到分隔超平面的距离表达成技术分享

  现在的目标就是找出分类器定义的W和b。必须找出具有最小间隔的数据点,这些数据点就是支持向量。找到支持向量后,对该间隔最大化。

              技术分享

四、SVM的一般流程:

1.收集数据:可以使用任意方法。

2.准备数据:需要数值型数据。

3.分析数据:有助于可视化分隔超平面。

4.训练算法:SVM的大部分时间都源自于训练,该过程主要实现两个参数的调优。

5.测试算法:十分简单的计算过程就可以实现。

6.使用算法:几乎所有分类问题都可以使用SVM,值得一提的是,SVM本身是一个二类分类器,对多类问题应用SVM需要对代码做一些修改。

 

 五、SMO高效优化算法

  SMO表示序列最小优化。SMO算法是将大优化问题分解为多个小优化问题来求解。SMO算法的目标是求一系列alpha和b。

  SMO算法的工作原理:每次循环中选择两个aplha进行优化处理。一旦找到一堆合适的alpha,那么就增大其中一个同时减小另一个。

六、核函数

  核函数可以将数据转换成易于分类器理解的形式。

机器学习之SVM__1

标签:工作   十分   一条直线   分类   简单的   span   log   表示   com   

原文地址:http://www.cnblogs.com/SunDM12/p/7820240.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!