当前标签: SVM
机器学习 - 支持向量机（2）- 线性 SVM（软间隔最大化）
机器学习 -支持向量机（2）- 线性 SVM（软间隔最大化） * 线性 SVM <https://blog.csdn.net/weixin_37352167/article/details/85563158#_SVM_2> * 软间隔最大化 <https://blog.csdn.net/weixin_37...
2019-01-04 22:59
阅读(345)
机器学习 - 支持向量机（1）- 线性可分 SVM（间隔最大化）
机器学习 -支持向量机（1）- 线性可分 SVM（间隔最大化） * 线性可分 SVM <https://blog.csdn.net/weixin_37352167/article/details/85541583#_SVM_2> * 函数间隔与几何间隔 <https://blog.csdn.net/we...
2019-01-01 15:32
阅读(597)
svm常用核函数及选择核函数的方法
SVM核函数的选择对于其性能的表现有至关重要的作用，尤其是针对那些线性不可分的数据，因此核函数的选择在SVM算法中就显得至关重要。对于核技巧我们知道，其目的是希望通过将输入空间内线性不可分的数据映射到一个高纬的特征空间内使得数据在特征空间内是可分的，我们定义这种映射为ϕ(x)ϕ(x)，那么我们就可以把求解约束最优化...
2018-11-14 19:59
阅读(619)
简单粗暴理解支持向量机（SVM）及其MATLAB实例
目录 SVM概述 <https://blog.csdn.net/lyxleft/article/details/82880860#SVM%E6%A6%82%E8%BF%B0> SVM的改进：解决回归拟合问题的SVR <https://blog.csdn.net/lyxleft/article/details/...
2018-09-28 17:49
阅读(561)
浅谈SVM中的高斯核函数
对解线性分类问题，线性分类支持向量机是一种非常有效的方法。但是，有时分类问题 时非线性的，这时可以使用非线性支持向量机。非线性支持向量机，其主要特点是利用核技巧，在此，我主要介绍高斯核函数。 * SVM简单介绍 支持向量机的基本模型是定义在特征空间的间隔最大的线性分类器，间隔最大使它有别于感知机；支持向量机...
2018-09-25 19:04
阅读(1859)
GBDT、RF、SVM、XGBoost面试要点整理
对于经典机器学习算法，是所有从事相关工作者必须了解的，同时也是面试官经常提及的问题。下面我将与大家分享GBDT（Gradient Boosting Decision Tree）、RF（Random Forest）、SVM（Support Vector Machine）、XGBoost四种机器学习算法的面试考核点。...
2018-08-19 11:04
阅读(878)
分类算法（决策树，SVM，随机森林，逻辑回归）
直接贴代码，注释也一并在代码中 参考资料：python机器学习 #########决策树输出 # -*- coding: utf-8 -*- """ Created on Sat May 26 15:07:33 2018 @author: hu """ from sklearn.linear_mode...
2018-07-31 16:18
阅读(391)
关于支持向量机(SVM)的高斯核和惩罚因子C的理解（简单易懂）
跟小伙伴探讨了支持向量机(Support Vector Machine, SVM)，不自觉地就将话题拉向了高斯核函数和惩罚因子C。本文用简单易懂的形式呈现了自己对于高斯核函数和惩罚因子C的理解。 为什么说高斯核对应的映射函数将原始特征空间映射成了无限维空间？高斯核函数的参数σσ 如何选择？惩罚因子C的加入...
2018-07-20 19:13
阅读(287)