一文详解SVM的Soft-Margin机制Hard-MarginSVM，必须将所有的样本都分类正确才行。这往往需要更多更复杂的特征转换，甚至造成过拟合。本文将介绍一种Soft-MarginSVM，目的是让分类错误的点越少越好，而不是必须将所有点分类正确，也就是允许有noise存在。这种做法很大程度上不会使模型过于复杂，不会造成过拟合，而且分类效果是令人满意的。——前言1MotivationandP
分类：
其他好文 时间：
2020-12-22 11:43:20
阅读次数：
0
数据处理不等式：DataProcessingInequality我是在差分隐私下看到的，新解决方案的可用性肯定小于原有解决方案的可用性，也就是说信息的后续处理只会降低所拥有的信息量。那么如果这么说的话为什么还要做特征工程呢，这是因为该不等式有一个巨大的前提就是数据处理方法无比的强大，比如很多的样本要分类，我们做特征提取后，SVM效果很好，但是如果用DNN之类的CNN、AuToEncoder，那么效
分类：
其他好文 时间：
2020-11-30 15:15:49
阅读次数：
7
支持向量机简述 算法思路：先研究在线性可分训练样本集上如何画出一条直线来分开，然后推广到非线性可分的问题上 如果存在一条直线可以分开圆圈和叉，那么在空间中一定存在着无数条直线可以分开圆圈和叉，那一条直线是最好的？ 上图中，相比之下，2号线对于误差的容忍程度更多一些 将分界线平行的向两侧移动，直到接触 ...
分类：
其他好文 时间：
2020-10-18 09:44:58
阅读次数：
11
Matlab建立SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线 ...
分类：
其他好文 时间：
2020-09-17 21:23:42
阅读次数：
45
一般在有监督训练中，我们很自然地会用如下模式去预测测试集的分类：(以svm为例) svm.fit(x_train, y_train) y_pred=svm.predict(x_test) 那么无监督训练中是否也可以在一个数据集上训练，然后用训练好的模型直接调用predict()函数在另一个数据集上进 ...
分类：
其他好文 时间：
2020-09-17 17:12:13
阅读次数：
39
##一、KVM软件安装 1、 环境准备 2、 查看CPU是否支持VT技术 [root@qfedu.com ~]# cat /proc/cpuinfo | grep -E 'vmx|svm' 3、清理环境：卸载KVM [root@qfedu.com ~]# yum remove `rpm -qa | ...
分类：
其他好文 时间：
2020-09-03 16:49:07
阅读次数：
50
VS2019+OpenCV4.0 在完成分类器的训练，直接predict是没有问题的，但是保存xml文件后，再用以下的语句加载训练好的xml模型，predict出现了问题。 svm->save("svm.xml") svm->load<SVM>("trained-svm.xml"); OpenCV ...
分类：
其他好文 时间：
2020-08-20 19:00:30
阅读次数：
99
SVM 在学长没说之前我其实也是鄙视支持向量机的，甚至都不咋用过，但是我看大家都会，那我也来手推一下好了，哈哈~ 参考白板手写支持向量机 经典的算法：我不配鄙视！ 先上一张大佬手推图 SVM说简单一就是最大间隔分类问题 找到一个最佳的分割平面~ 点到直线的距离公式： \(d=\frac{y\left ...
分类：
其他好文 时间：
2020-08-10 00:10:05
阅读次数：
69
1：原理理解 图中有分别属于两类的一些二维数据点和三条直线。如果三条直线分别代表三个分类器的话，请问哪一个分类器比较好？ 我们凭直观感受应该觉得答案是H3。首先H1不能把类别分开，这个分类器肯定是不行的；H2可以，但分割线与最近的数据点只有很小的间隔，如果测试数据有一些噪声的话可能就会被H2错误分类 ...
分类：
其他好文 时间：
2020-08-08 17:49:08
阅读次数：
72
