Relevance Vector Machine
来源:互联网 发布:大智慧软件股票行情 编辑:程序博客网 时间:2024/05/22 01:25
Relevance Vector Machine (RVM)
相关向量机(relevance vector machine)采取是与支持向量机相同的函数形式稀疏概率模型,对未知函数进行预测或分类。其训练是在贝叶斯框架下进行的,与SVM相比,不需要估计正则化参数,其核函数也不需要满足Mercer条件,需要更少的相关向量,训练时间长,测试时间短。
优点:
(1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布.
(2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间.
(3) RVM不需要估计过多的参数.
(4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好.更适合在线预测
- Relevance Vector Machine
- Relevance Vector Machine (RVM)简介
- machine learning_support vector machine
- [Machine Learning]--Support Vector Machine
- support vector machine
- Transductive Support Vector Machine
- 使用Support Vector Machine
- SVM Support Vector Machine
- Support Vector Machine
- SVM(Support Vector Machine)
- Support Vector Machine
- Support vector machine
- Support Vector Machine
- 5. support vector machine
- Support Vector Machine是什么?
- SVM(Support Vector Machine)
- support vector machine简介
- Support Vector Machine
- LogMiner
- 【转】gcc和vc编译器在语法上的比较
- 使用hbase-backup备份你的hbase数据库
- 该怎么办呢?
- 防治H1N1(转)
- Relevance Vector Machine
- 完成端口(IOCP)的另一种设想——Socket与CompletionPort的多次关联
- AJAX技术对于SEO的影响
- ORA-1034 ORACLE not available
- 查看sql server 2000的版本的三种方法
- 内存调试,3天值吗 (默认程序调试器的修改)
- wm_char消息处理
- 深入剖析WTL—如何封装Windows界面程序
- Java面向对象编程学习总结