首先要保证你的CPU支持虚拟化。执行以下命令查看CPU的flag信息，里面包含svm的flag就说明支持虚拟化：[root@localhost~]#egrep‘(vmx|svm)‘--color=always/proc/cpuinfo
flags:fpuvmedepsetscmsrpaemcecx8apicsepmtrrpgemcacmovpatpse36clflushmmxfxsrssesse2htsyscallnxmmxextf..
分类：
其他好文 时间：
2014-06-16 16:50:21
阅读次数：
308
目前已有很多方法和技术用于构造分类模型，如决策树、神经网络、贝叶斯方法、Fisher线性分析(Fld)以及支持向量机(Support Vector
Machine, SVM)。基于超完备字典的信号稀疏分解是一种新的信号表示理论，其采用超完备的冗余函数系统代替传统的正交基函数，为信号自适应的稀疏扩展提...
分类：
其他好文 时间：
2014-06-08 21:02:36
阅读次数：
22018
之前为了编写一个svm分词的程序而简单学了下Python，觉得Python很好用，想深入并系统学习一下，了解一些机制，因此开始阅读《Python学习手册(第三版)》。如果只是想快速入门，我在这里推荐了几篇文章，有其他语言编程经验的人简单看一看就可以很快地开始编写Python程序了。
黑体表示章节， 下划线表示可以直接在原文对应位置查到的专有技术名词。
原书配套答案请到http:...
分类：
编程语言 时间：
2014-06-08 09:46:30
阅读次数：
351
转自：http://blog.csdn.net/yangliuy/article/details/7316496SVM入门（一）至（三）Refresh按:之前的文章重新汇编一下,修改了一些错误和不当的说法，一起复习,然后继续SVM之旅.（一）SVM的简介支持向量机(Support
Vector Ma...
分类：
其他好文 时间：
2014-06-07 08:59:25
阅读次数：
321
1.在高纬度大数量的数据情况下，用线性+松弛因子做SVM效果是很不错的2.在高纬度大数量的情况下，一般用批量梯度下降做计算效果会很好3.在低纬度大数量的情况下，可以用牛顿法来求解，一般迭代两三次就好了4.有个叫Le
BOTTON 的人，对常用目标函数的SGD公式做了很好的推导5.有一个响亮求导的书叫...
分类：
其他好文 时间：
2014-06-02 08:07:18
阅读次数：
250
学了好多遍，每次常学常新。这次继续学习，目标有两个：1. 找到直觉性的认识，有直观理解。2.
在R语言中用SVM做实验，学习相关的包 推荐一个很好的博客：http://blog.pluskid.org/?page_id=683
一系列文章，讲的很详细，公式和示意图也很好。用心的作者啊。 还有Sta....
分类：
其他好文 时间：
2014-05-26 13:18:13
阅读次数：
283
引自
http://my.oschina.net/wangguolongnk/blog/1113491.
支持向量机的目的是什么？对于用于分类的支持向量机来说，给定一个包含正例和反例（正样本点和负样本点）的样本集合，支持向量机的目的是寻找一个超平面来对样本进行分割，把样本中的正例和反例用超平面分开，...
分类：
其他好文 时间：
2014-05-24 09:25:03
阅读次数：
328
一、我们先回顾下SVM问题。
A、线性可分问题
1、SVM基本原理：
SVM使用一种非线性映射，把原训练 数据映射到较高的维。在新的维上，搜索最佳分离超平面，两个类的数据总可以被超平面分开。
2、问题的提出：
3、如何选取最优的划分直线f(x)呢？
4、求解：凸二次规划
建立拉格朗日函数：
求偏导数：
...
分类：
其他好文 时间：
2014-05-22 17:10:54
阅读次数：
475
package merge;
import javax.lang.model.element.Element;
/**
* 归并排序：
* 归并排序的效率是比较高的，设数列长为N,将数列分开成小数列一共需要logN步，每步都是一个合并有序数列的过程，时间复杂度为O(N)，故一共为
* O(NlogN).
* @author AbuGe
*
*/
public class Merge...
分类：
其他好文 时间：
2014-05-20 14:40:39
阅读次数：
320
