SVM多类分类方法(1v1,1v other 等)
来源:互联网 发布:淘宝一键下单 编辑:程序博客网 时间:2024/06/05 20:07
from:http://blog.sina.com.cn/s/blog_5eef0840010147pa.html
SVM多类分类方法的实现根据其指导思想大致有两种:
(1)将多类问题分解为一系列SVM可直接求解的两类问题,基于这一系列SVM求解结果得出最终判别结果。
(2)通过对前面所述支持向量分类机中的原始最优化问题的适当改变,使得它能同时计算出所有多类分类决策函数,从而“一次性”地实现多类分类。原始问题可以改写为:
虽然第(2)种指导思想看起来简单,但由于它的最优化问题求解过程太复杂,计算量太大,实现起来比较困难,因此未被广泛应用[7]。而基于第(1)种指导思想的SVM多类分类方法主要有5种。
***1、一对其余法
**2、一对一
**3、DAG方法(有向无环图)
DAG-SVMS简单易行,只需要使用k一1个决策函数即可得出结果,较“一对一"方法提高了测试速度,而且不存在误分、拒分区域;另外,由于其特殊的结构,故有一定的容错性,分类精度较一般的二叉树方法高。然而,由于存在自上而下的“误差积累”现象是层次结构固有弊端,故DAG-SVMS也逃脱不掉。即如果在某个结点上发生了分类错误,则会把分类错误延续到该结点的后续结点上.
**4、决策树方法
对于K类分类问题,可以根据不同方法构造一系列的两类分类问题,对于每个两类分类问题可以建立一决策函数。共得到L个决策函数,如果这些决策函数完全正确,K类中的每一类都对应一个元素为-l或+1的长度为L的数
列,按照K类中的第一类、第二类,...,第K类的顺序,把这些数列排列起来,便可得到一个K行L列的编码矩阵,若要判断一个测试输入点的归属,首先用所得到的L个决策函数,得到一个元素为-l或l的长度为L的数列,然后将此数列与先前得到矩阵比较,相应于矩阵中有一行且仅有一行向与此数列相同,这个行数就是输入点的归属类;若矩阵中没有一行与该数列相同,可以通过计算汉明距离找出最近的一行,改行对应的类别即为该点的类别。
- SVM多类分类方法(1v1,1v other 等)
- SVM多类分类方法
- SVM多类分类方法
- SVM多类分类方法
- SVM多类分类方法
- SVM多类分类方法
- SVM多类分类方法
- SVM多类分类方法
- SVM多分类的方法
- SVM多分类的方法
- svm分类原理1
- SVM入门(九)将SVM用于多类分类
- SVM入门(十)将SVM用于多类分类
- SVM入门(十)将SVM用于多类分类
- SVM入门(十)将SVM用于多类分类
- SVM入门(十)将SVM用于多类分类
- SVM入门(十)将SVM用于多类分类
- SVM入门(十)将SVM用于多类分类
- php循环建立新的文件根据文件名移动文件到指定文件夹修改文件名称
- 扫码枪扫码的问题
- 网页中的各种尺寸
- Windows下安装和使用UglifyJS
- Linux下which、whereis、locate、find 命令的区别
- SVM多类分类方法(1v1,1v other 等)
- notepad 中使用正则表达式替换
- css 绝对定位居中
- codeforces 688c 二分图判断
- Xargs用法详解
- 将博客搬至CSDN
- Restrictions.in不能超过1000,否则报错。当超过1000时的解决办法。
- linux命令常用命令
- 常用js 时间函数