SVM算法
来源:互联网 发布:安卓微信虚拟聊天软件 编辑:程序博客网 时间:2024/05/21 10:27
SVM是一种分类算法,按以下方法工作:它使用一种非线性映射,把训练数据映射到较高的维上。在新的维上,它搜索最佳分离超平面(即将一个类的元组与其他类分离的“决策边界”)。使用到足够高维上的、合适的非线性映射,两个类的数据总可以被超平面分开。SVM使用支持向量(基本训练元组)和边缘(由支持向量定义)发现超平面。
一些关于SVM算法的笔记(二分类情况)
1)线性可分情况下,选择最大边缘超平面(边界写成W*X+b=0),求解W,b(凸优化问题,可用拉格朗日乘子)
2)线性不可分情况下,加入松弛变量和惩罚函数C,转化为线性可分。
3)非线性SVM,进行属性变化,决策边界写成W*O(X)+b=0(高维,会发生维灾难),检验时会产生O(X1)*O(X2)即相似度。核函数是一种使用原属性集计算变换后的空间中的相似度的方法。
优点:SVM可用于线性,非线性分类,也可用于数值预测和回归,泛化误差低,不容易过分拟合,计算复杂度低。
缺点:对参数和核函数的选择比较敏感
0 0
- SVM算法
- SVM算法
- SVM算法
- Svm算法
- svm算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- SVM算法
- jxcx_Hermes-3-使用-hermes消费MetaQ中的数据
- Permutations(Leet Code)
- POJ 1986 — Distance Queries
- UVA11401
- UML
- SVM算法
- 20150421
- 例题3-1
- 三++10
- Rotate Array
- 第一次发博客,也不知道改写什么,随便谢谢吧
- Python常见编程错误和陷阱
- 倒计时
- Android消息处理机制