支持向量机原理(一) 线性支持向量机 支持向量机原理(二) 线性支持向量机的软间隔最大化模型 支持向量机原理(三)线性不可分支持向量机与核函数 支持向量机原理(四)SMO算法原理 支持向量机原理(五)线性支持回归 在支持向量机原理(一) 线性支持向量机中，我们对线性可分SVM的模型和损失函数优化做了... ...
分类：
其他好文 时间：
2019-07-19 18:59:11
阅读次数：
89
支持向量机原理(一) 线性支持向量机 支持向量机原理(二) 线性支持向量机的软间隔最大化模型 支持向量机原理(三)线性不可分支持向量机与核函数 支持向量机原理(四)SMO算法原理 支持向量机原理(五)线性支持回归 支持向量机(Support Vecor Machine,以下简称SVM)虽然诞生只有短... ...
分类：
其他好文 时间：
2019-07-19 18:57:09
阅读次数：
106
在支持向量机(以下简称SVM)的核函数中，高斯核(以下简称RBF)是最常用的，从理论上讲， RBF一定不比线性核函数差，但是在实际应用中，却面临着几个重要的超参数的调优问题。如果调的不好，可能比线性核函数还要差。所以我们实际应用中，能用线性核函数得到较好效果的都会选择线性核函数。如果线性核不好，我们... ...
分类：
其他好文 时间：
2019-07-19 18:47:58
阅读次数：
124
支持向量机原理(一) 线性支持向量机 支持向量机原理(二) 线性支持向量机的软间隔最大化模型 支持向量机原理(三)线性不可分支持向量机与核函数 支持向量机原理(四)SMO算法原理 支持向量机原理(五)线性支持回归 在前面两篇我们讲到了线性可分SVM的硬间隔最大化和软间隔最大化的算法，它们对线性可分的... ...
分类：
其他好文 时间：
2019-07-19 18:41:54
阅读次数：
114
1. 算法思想 对线性可分的情形：通过最大化硬间隔（几何间隔），找出最佳分离超平面，从而分类数据 对弱线性可分情形：最大化软间隔（通过加一个松弛因子），找出分离超平面，分类数据 线性不可分的情形：通过核技巧把原始数据映射到高维空间，转化为线性可分的情形，然后继续求解。 2. 算法推导 （1）函数间隔 ...
分类：
其他好文 时间：
2019-07-18 22:31:24
阅读次数：
149
第三章 经典算法 0 写在前面 本章介绍了 SVM，逻辑回归和决策树 三个经典算法。这三个算法在李航的《统计学习方法》中分别拿出了三章重点讲解。本节的提问需要有相应的基础，通过书中的提问发现自己基础太弱了，而基础知识最能考察一个人的学习能力。（记得考研时张宇说过，基础知识不等于简单知识，越是抽象的基 ...
分类：
编程语言 时间：
2019-07-18 00:21:27
阅读次数：
199
实验要求数据说明 ：数据集data4train.mat是一个2*150的矩阵，代表了150个样本，每个样本具有两维特征，其类标在truelabel.mat文件中，trainning sample 图展示了理想的分类类结果；方案选择：选择并实现一种两分类方法（如感知机方法，SVM等）；在此基础上设计使 ...
分类：
其他好文 时间：
2019-07-14 13:30:07
阅读次数：
260
简单线性回归 解决回归问题 思想简单，实现容易 许多强大的非线性模型的基础，比如逻辑回归、多项式回归、svm等等 结果具有很好的可解释性 蕴含机器学习中的很多重要思想 在这里先不着急进行化简，我们可以看看机器学习的思路 回到我们的问题 简单线性回归实现 肿么样，似不似灰常简单呢？那么下面我们就要按照 ...
分类：
其他好文 时间：
2019-07-12 23:38:10
阅读次数：
219
误差反向传播算法（error back propagtion training），BP。BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力。解决了简单感知不能解决异或和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层。本质上，BP算法就是以网络误差平方为目标函数，采用梯度下降 ...
分类：
其他好文 时间：
2019-07-11 19:58:18
阅读次数：
125
