西瓜书《机器学习》课后答案——chapter6
来源:互联网 发布:城管打人 知乎 编辑:程序博客网 时间:2024/05/17 06:37
6.1 试证明样本空间中任意点
解答:
已知超平面
我们有:
用
结合(1)得到:
得到
所以
后面有几个题目会用到LIBSVM,关于LIBSVM的介绍以及使用,本博客的最后给了几个参考资料。
6.2 试使用LIBSVM,在西瓜数据集3.0alpha上分别用线性核和高斯核训练一个SVM,并比较其支持向量的差别。
解答:
西瓜书《机器学习》课后答案——chapter6_6.2
6.3 选择两个UCI数据集,分别用线性核和高斯核训练一个SVM,并与BP神经网络和C4.5决策树进行实验比较。
解答:
西瓜书《机器学习》课后答案——Chapter6_6.3
6.4 试讨论线性判别分析与线性核支持向量机在何种条件下等价。
解答:
LDA和SVM根据不同的优化目标得到超平面。LDA得到的分离超平面法向量为
参考资料:Comparing LDA and SVM. 2002.
6.5 试述高斯核SVM与RBF神经网路之间的联系。
解答:
用于二分类问题的RBF表达式为
而高斯核SVM通过求解凸二次规划问题,自动地得到高斯核的个数、中心点以及权重。方差作为超参,需要根据交叉验证来确定。高斯核SVM的决策函数为
根据论文Comparing Support Vector Machines with Gaussian Kernels to Radial Function Classiers,通过实验对比,得出高斯核SVM优于一般的RBF网络的结论。
6.6 试析SVM对噪声敏感的原因。
解答:
给定训练集,SVM最优决策边界由支持向量决定。当增加噪声时,那么该噪声有极高的可能是含噪声训练集的一个支持向量,这意味着决策边界需要改变。
6.7 试给出式(6.52)完整的KKT条件。
解答:
带约束的优化问题标准形式为
引入拉格朗日乘子
故约束优化问题(6.45)的KKT条件为
6.8 以西瓜数据集3.0alpha的“密度”为输入,“含糖率”为输出,试使用LIBSVM训练一个SVR。
解答:
6.9 试使用核技巧推广对率回归,产生“核对率回归”。
解答:
6.10 试设计一个能显著减少SVM中支持向量的数目而不显著降低泛化性能的方法。
参考
[1] LIBSVM官网
[2] Github
[3] LIBSVM的使用方法
- 西瓜书《机器学习》课后答案——chapter6
- 西瓜书《机器学习》课后答案——Chapter1
- 西瓜书《机器学习》课后答案——Chapter2
- 西瓜书《机器学习》课后答案——Chapter3_3.4
- 西瓜书《机器学习》课后答案——Chapter3_3.3
- 西瓜书《机器学习》课后答案——Chapter3_3.5
- 西瓜书《机器学习》课后答案——Chapter3
- 西瓜书《机器学习》课后答案——chapter5
- 西瓜书《机器学习》课后答案——chapter5_5.5
- 西瓜书《机器学习》课后答案——chapter5_5.7
- 西瓜书《机器学习》课后答案——chapter5_5.10
- 西瓜书《机器学习》课后答案——chapter6_6.2
- 西瓜书《机器学习》课后答案——Chapter6_6.3
- 西瓜书《机器学习》课后答案——chapter7
- 西瓜书《机器学习》课后答案——chapter7_7.3
- 西瓜书《机器学习》课后答案——chapter9
- 西瓜书《机器学习》课后答案——chapter11
- 西瓜书《机器学习》课后答案——chapter14
- git学习笔记
- HD-1232-畅通工程(并查集)
- Linux下OOM Killer机制详解(一)
- SELECT
- linux、unix常用命令
- 西瓜书《机器学习》课后答案——chapter6
- 20170925_数据库操作实例
- APUE第十章学习笔记
- 贪婪方法——单源最短路径的Dijkstra算法
- PHP168整站系统0DAY漏洞预警
- PHP学习笔记——PHP数组中键和值搜索相关函数3
- ReactNative集成百度语音合成
- Go语言下载、安装、配置、使用
- Java实用类库