支持向量机概念 线性分类器 首先介绍一下线性分类器的概念，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。中间的直线就是一个分类函数，它可以将两类样本完全分开。一般的，如果一个线性函数能够将样本完全正确的分开，就称这些数据是线性可分的，否则称为非线性可分的。 线性函数是关于自变量的一 ...
分类：
其他好文 时间：
2017-06-05 23:48:52
阅读次数：
329
支持向量机(SVM)是一种二分类模型，跟之前介绍的感知机有联系但也有区别。简单来讲，感知机仅仅是找到了一个平面分离正负类的点，意味着它是没有任何约束性质的，可以有无穷多个解，但是(线性可分)支持向量机和感知机的区别在于，支持向量机有一个约束条件，即利用间隔最大化求最优分离超平面，这时，支持向量机的解 ...
分类：
其他好文 时间：
2017-06-02 23:04:43
阅读次数：
241
svm是一种分类算法，一般先分为两类，再向多类推广一生二，二生三，三生。。。 大致可分为： 线性可分支持向量机? 硬间隔最大化hard margin maximization? 硬间隔支持向量机? 线性支持向量机? 软间隔最大化soft margin maximization? 软间隔支持向量机? ...
分类：
编程语言 时间：
2017-06-01 13:20:20
阅读次数：
382
1，SVM算法的思考出发点 SVM算法是一种经典的分类方法。对于线性可分问题，找到那个分界面就万事大吉了。这个分界面可以有很多，怎么找呢？SVM是要找到最近点距离最远的那个分界面。有点绕，看下面的图就明白了 为了推导简单，我们先假设样本集是完全线性可分的，也就一个分界面能达到100%的正确率。 2， ...
分类：
编程语言 时间：
2017-05-26 00:55:50
阅读次数：
491
http://blog.csdn.net/u013300875/article/details/44081067 很多机器学习分类算法，比如支持向量机（svm），假设数据是要线性可分。 如果数据不是线性可分的，我们就必须要采用一些特殊的方法，比如svm的核技巧把数据转换到更高的维度上，在那个高维空间 ...
分类：
其他好文 时间：
2017-05-18 23:11:48
阅读次数：
409
预备知识： cover定理： 在复杂的模式分类问题中，将数据映射到高维空间比映射到低维空间更可能线性可分 径向基函数： 空间中的任意点到某一中心之间的欧式距离(也可以是其他的距离函数)的单调函数 径向基神经网络是由一个三层的结构组成，包括输入层，隐含层，输出层，隐含层的激活函数一般是非线性的径向基函 ...
分类：
其他好文 时间：
2017-05-10 16:33:00
阅读次数：
239
Adaline神经网络Adaline利用了最小二乘法的思想，相较于感知机神经网络，对于数据的线性可分的要求更低一些，可以允许一些异常数据。
上面描述了迭代求解的过程，但是在x0(k+1)x_...
分类：
其他好文 时间：
2017-05-08 09:55:01
阅读次数：
247
lms算法跟Rosenblatt感知器相比，主要区别就是权值修正方法不一样。lms采用的是批量修正算法，Rosenblatt感知器使用的是单样本修正算法。两种算法都是单层感知器，也只适用于线性可分的情况。详细代码及说明如下：‘‘‘
算法：最小均方算法(lms)
均方误差：样本预测输出值与实际..
分类：
编程语言 时间：
2017-05-07 21:13:20
阅读次数：
665
(1)线性可分支撑向量机；(2)线性支持向量机；(3)非线性支撑向量机。在这里线性可分支撑机是后续算法的基础，通常都是在线性可分的目标函数基础之上加入核函数或者松弛因子，进而得到复杂的模型达到分类的目的。 （1）线性可分支撑向量机 首先线性可分数据集意味着在空间中两类数据集没有交集，我们可以通过寻找 ...
分类：
其他好文 时间：
2017-05-01 20:50:28
阅读次数：
356
卷积神经网络CNN 一、神经网络为什么比传统的分类器好 1.传统的分类器有 LR（逻辑斯特回归） 或者 linear SVM ，多用来做线性分割，假如所有的样本可以看做一个个点，如下图，有蓝色的点和绿色的点，传统的分类器就是要找到一条直线把这两类样本点分开。 对于非线性可分的样本，可以加一些kern ...
分类：
其他好文 时间：
2017-04-20 15:33:57
阅读次数：
557
