复习机器学习算法:SVM
来源:互联网 发布:mac环境变量设置 编辑:程序博客网 时间:2024/05/17 22:33
SVM的本质是寻找最大间隔的分割超平面。
SVM的假设也是在样本的每个属性前面乘以一个系数,代价函数是基于LR演化而来的。LR中是S型函数的假设,SVM中是分段函数cost的形式,再包括正则项,最后SVM的代价函数为:
当C一般要设置地很大,这样子的SVM才能够找到最大间隔的超平面,thetaT*x>=1或者thetaT*x<=-1的时候,我们可以把第一项忽略。这样,转换之后的SVM的目标函数就是我们熟悉的:
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,如下:
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,把显示映射到高维空间转换到隐式映射到高维空间。
SVM还可以扩展到多类分类中,利用one vs. one或者one vs. other的规则。
SVM的优点:效果较好,既可以适用线性数据,也可以非线性。
缺点:对参数选择敏感。
1 0
- 复习机器学习算法:SVM
- 机器学习-SVM算法
- 机器学习算法-SVM
- 机器学习复习——SVM
- 机器学习算法-SVM理论
- 【机器学习算法】之SVM
- 机器学习算法总结--SVM
- 机器学习算法总结--SVM
- 机器学习算法复习-谱聚类
- 复习机器学习算法:决策树
- 复习机器学习算法:Boosting
- 机器学习算法复习-谱聚类
- 机器学习中的算法-svm学习
- 系统学习机器学习之SVM(四)--SVM算法总结
- 程序员训练机器学习 SVM算法分享
- 机器学习算法-svm练习-opencv
- 机器学习算法入门之(四) SVM
- 【机器学习算法2】——SVM
- 问过我
- 全局异常处理
- **(leetcode_backtracking) Subsets II
- echart-X
- web简单应用python框架的选择-tornado
- 复习机器学习算法:SVM
- tcp-ip : sk_buff Structure
- android遇到的问题及解决——9patch图片处理中的红线问题
- [android开发]天气预报项目的开发之天气工具类-2
- centos6.5 firefox安装flash-plugin(flash_player)
- 【SICP练习】83 练习2.55
- 技术揭秘12306改造(一):尖峰日PV值297亿下可每秒出票1032张
- Android IntentFilter 匹配原则浅析
- 存储过程输出调试信息