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
1、什么是逻辑回归； 2、逻辑回归的流程及推导； 3、逻辑回归的多分类 4、逻辑回归VS线性回归 5、逻辑回归 VS SVM 1、什么使逻辑回归； 名为回归，实际是分类，通过计算$P(y=0|x;\theta )$的大小来预测分类类别，预测的是类别0，1，而不是概率，但计算的是概率；$0\leq P ...
分类：
其他好文 时间：
2019-09-01 14:52:04
阅读次数：
76
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
1、GBDT模型介绍； 2、GBDT回归算法 3、GBDT分类算法 4、GBDT的损失函数 5、正则化 6、GBDT的梯度提升与梯度下降法的梯度下降的关系； 7、GBDT的优缺点 1、GBDT模型介绍； GBDT(Gradient Boosting Decision Tree) 又名：MART（Mu ...
分类：
其他好文 时间：
2019-09-01 14:45:08
阅读次数：
697
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
可以不进行特定样本下的微调吗？可以直接采用AlexNet CNN网络的特征进行SVM训练吗？ 不针对特定任务进行微调，而将CNN当成特征提取器，pool5层得到的特征是基础特征，类似于HOG、SIFT，类似于只学习到了人脸共性特征；从fc6和fc7等全连接层中所学习到的特征是针对特征任务特定样本的特 ...
分类：
其他好文 时间：
2019-08-24 21:20:02
阅读次数：
126
支持向量机是一个点离决策边界越近，离决策面越远的问题 求解的过程主要是通过拉格朗日乘子法，来求解带约束的优化问题，在问题中涉及两个方面，一个是线性的，一个是非线性的，非线性的有 我们平时比较常见的高斯核函数(径向基函数),他的主要做法就是把低维的数据变成高维数据，通过^2的方法 在支持向量基中的参数 ...
分类：
其他好文 时间：
2019-08-22 11:22:22
阅读次数：
104
grep -Ei 'vmx|svm' /proc/cpuinfo yum -y install qemu-img virt-install virt-viewer virt-manager libguest* libvirt* qemu-system qemu-key-tools python-vi ...
分类：
其他好文 时间：
2019-08-22 00:59:54
阅读次数：
77
第一代：机器语言 第二代：汇编语言 第三代：高级语言 第四代：sql 面向过程与面向对象： 实例分析： 类是对象的抽象，对象是类的实例化，对象是具体的唯一的，而类却是抽象的一类事物不是具体的 的，特征抽象为属性，行为抽象为方法 方法和函数：无论什么方法都是一类事物的行为操作，在某种意义上是依赖类存在 ...
分类：
其他好文 时间：
2019-08-19 22:57:03
阅读次数：
84
