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
本文讲解如何使用R语言中e1071包中的SVM函数进行分类操作，并以一个关于鸢尾花分类的实例演示具体分类步骤。 ...
分类：
其他好文 时间：
2017-05-20 21:47:59
阅读次数：
228
一、概述支持向量机（SVM）是一系列可用于分类、回归和异常值检测的有监督学习方法。优点：在高维空间中行之有效。当维数大于样本数时仍然可用。在决策函数中只使用训练点的一个子集（称为支持向量），大大节省了内存开销。用途广泛：决策函数中可以使用不同的核函数。提供了一..
分类：
编程语言 时间：
2017-05-19 00:02:45
阅读次数：
2239
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
一、最大分类间隔 为了保证把数据很好的分开，并且增大对噪声的容忍度，最好是距离分类面的最近分类点，到分类面的距离为最大 即求得最大间距的w，并且保证所有点分类正确，还要所有点到分类面的距离和为最小 为了计算距离，把w0和x0从特征向量中分离出来，令b=w0，x0=1就去掉了，变为 假设已经有了一个最 ...
分类：
其他好文 时间：
2017-05-13 22:09:23
阅读次数：
163
在之前为了寻找最有分类器，我们提出了例如以下优化问题： 在这里我们能够把约束条件改写成例如以下： 首先我们看以下的图示： 非常显然我们能够看出实线是最大间隔超平面，如果×号的是正例，圆圈的是负例。在虚线上的点和在实线上面的两个一共这三个点称作支持向量。如今我们结合KKT条件分析下这个图。 我们从式子 ...
分类：
其他好文 时间：
2017-04-13 17:43:48
阅读次数：
248
SVM 应用实例（人脸识别）： from __future__ import print_function from time import time import logging import matplotlib.pyplot as plt from sklearn.cross_validati ...
分类：
其他好文 时间：
2017-03-06 14:56:22
阅读次数：
538
1. 背景： 1.1 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出 1.2 目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出，并在1995年发表 1.3 深度学习（2012） ...
分类：
其他好文 时间：
2017-03-04 15:30:48
阅读次数：
219
1. 前言 最近又重新复习了一遍支持向量机（SVM）。其实个人感觉SVM整体可以分成三个部分： 1. SVM理论本身：包括最大间隔超平面（Maximum Margin Classifier），拉格朗日对偶（Lagrange Duality），支持向量（Support Vector），核函数（Kern ...
分类：
编程语言 时间：
2017-02-26 19:12:41
阅读次数：
598
