机器学习笔记(二)
来源:互联网 发布:u盘修复软件 编辑:程序博客网 时间:2024/05/17 06:39
4.SVM
SVM(支持向量机)
包括:线性可分支持向量机(硬间隔最大化);
线性支持向量机(近似线性可分,软间隔最大化)
非线性支持向量机(kernel trick)
如图所示的分类演示。代码来源:机器学习实战。
图中圈出来的正是所谓的支持向量。SVM是一种决策机器,只提供分类的结果,并不提供后验概率。
补充一下(PRML):分类问题划分为2个阶段,推断阶段和决策阶段。推断阶段,我们使用训练数据学习后验概率模型。决策阶段使用这些后验概率进行分类。还有一种方式,同时解决两个问题,简单学习一个函数,做判断。该函数又称为判别函数。
相应的直接使用判别函数的有很多缺点,而使用后验概率有一下优点(具体见PRML 1.5节):
1、最小化风险。
2、拒绝选项
3、补偿先验概率
线性分类问题模型如:
假设空间是线性可分的,分离超平面
相应的决策函数
如图很明显的,我们现在想让
并且,对于所有的样本
即转换成求w模的最小值。也是
引入拉格朗日函数,
步骤1
求极小:
令
代入原式。得到:
步骤2:求
0=∑Nn=1anyn an >=0
具体推导,见统计学习方法。
常用SMO,算法来寻找a值。统计学习方法(P128)
- 机器学习笔记(二)
- 机器学习笔记(二)
- 机器学习笔记(二)
- 机器学习--学习笔记(二)
- 《机器学习》学习笔记(二):神经网络
- 机器学习学习笔记(二)
- 机器学习-学习笔记 绪论(二)
- 机器学习笔记(二)概率相关
- 机器学习笔记(二)数理统计
- Andrew Ng 机器学习笔记(二)
- 机器学习课堂笔记(二)
- 机器学习笔记(二):matplotlib基础
- 机器学习笔记(二) 线性模型
- 斯坦福机器学习笔记(二)
- 机器学习笔记(二)假设空间
- 机器学习笔记(二) 神经网络
- Andrew Ng机器学习笔记(二)
- 机器学习笔记(二)(Draft Version)
- 了解Android资源(上)
- 正则表达式抽取网页内容
- postgresql双机热备、高可用方案(采用pacemaker+corosync实现)
- 在HTML网页上打印需要的内容,JS代码
- hdu 2602 Bone Collector【遗传算法解01背包】
- 机器学习笔记(二)
- 详细讲解transform,一看就懂了!(转)
- 排序算法
- 了解Android资源(下)
- java基础(五),接口
- HM编码器代码阅读(11)——CU的初始化
- tomcat访问主页报404
- Java设计模式(三) Visitor(访问者)模式及多分派场景应用
- Android AudioRecord实现录音