复习机器学习算法:SVM

 

SVM的本质是寻觅最大间隔的分割超平面。

SVM的假定也是在样本的每一个属性前面乘以1个系数,代价函数是基于LR演变而来的。LR中是S型函数的假定,SVM中是分段函数cost的情势,再包括正则项,最后SVM的代价函数为:

 

当C1般要设置地很大,这模样的SVM才能够找到最大间隔的超平面,thetaT*x>=1或thetaT*x<=⑴的时候,我们可以把第1项疏忽。这样,转换以后的SVM的目标函数就是我们熟习的:

我们构建拉格朗日函数:


分别对w和b求偏导,令偏导等于0,回代,可以得到w和b的最优解,以下:


W和b都是alpha表示的,我们使用SMO算法求得alpha。

 

 

利用核函数的概念,解决数据的线性不可分问题。核函数的作用,把显示映照到高维空间转换到隐式映照到高维空间。

 

SVM还可以扩大到多类分类中,利用one vs. one或one vs. other的规则。

  

SVM的优点:效果较好,既可以适用线性数据,也能够非线性。

缺点:对参数选择敏感。

 

波比源码 – 精品源码模版分享 | www.bobi11.com
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,请使用WINRAR解压,如遇到无法解压的请联系管理员!

波比源码 » 复习机器学习算法:SVM

发表评论

Hi, 如果你对这款模板有疑问,可以跟我联系哦!

联系站长
赞助VIP 享更多特权,建议使用 QQ 登录
喜欢我嘛?喜欢就按“ctrl+D”收藏我吧!♡