搜索结果
查询Tags标签： svm，共有 138条记录-
线性分类器和非线性分类器总结
在机器学习中会遇到很多的分类器，在这篇博文中总结了常用的分类器线性和非线性的分类。线性分类器：模型是参数的线性函数，分类平面是（超）平面。非线性分类器：模型分界面可以是曲面或者是超平面的组合。典型的线性分类器有感知机，LDA（文档主题模型），逻辑斯蒂回归…
2022/9/3 23:26:37 人评论 次浏览 -
常见机器学习方法的优缺点及适用场景：支持向量机（SVM）
支持向量机（SVM）特点：SVM 想要的就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。其有优美的理论保证和利用核函数对于线性不可分问题的处理技巧，使其常用于数据分类问题（回归问题也可）。优点:有严格的数学理论支持，可解释性强，不依靠统计方法，…
2022/8/24 23:26:50 人评论 次浏览 -
NLP学习（二）——支持向量机（SVM）
Support Vector Machine(SVM) 对下图中的数据点进行分类：要解决的问题：什么样的决策边界最好？ 特征数据本身若很难分应怎么处理？ 计算复杂度如何？决策边界 若将数据点比喻为地雷，则决策边界为选出的离雷区最远的（雷区就是边界上的点，要large margin）距离的计算数…
2022/7/25 6:52:51 人评论 次浏览 -
粒子群优化支持向量机 遗传算法优化支持向量机 网格搜索 遍历法 PSO-SVM GA-SVM
粒子群优化支持向量机 遗传算法优化支持向量机 网格搜索 遍历法 PSO-SVM GA-SVM 。 用liv-SVM工具箱，选择较好的C和G。 简单容易上手，替换数据即可，有代码解释。 YID:5319664795924391华少zero
2022/7/15 14:53:12 人评论 次浏览 -
神经网络与深度学习（邱锡鹏）编程练习 3 Logistic回归、softmax回归、支持向量机(SVM)
Logistic回归以及softmax回归 问题描述完成 logistic_regression-exercise.ipnb中的填空填空一：实现sigmoid的交叉熵损失函数(不使用tf内置的loss 函数)完成 softmax_regression-exercise.ipnb中的填空填空一：在__init__构造函数中建立模型所需的参数 填空二：实现softm…
2022/6/1 1:22:31 人评论 次浏览 -
手撕SVM
首先了解一下SVM是干什么的，SVM用来分类样本的。SVM的目标是寻找到一个最佳的超平面使得（超平面可能有很多，最佳超平面和支持向量之间的间隔最可能大）。划分超平面可以通过线性方程来描述： $$ w^Tx+b = 0 $$$w=(w_1;w_2;...;w_d)$为法向量，决定了超平面的方向，$b$为…
2022/4/21 23:12:52 人评论 次浏览 -
支持向量机SVM（一）：基本概念、目标函数的推导（及函数间隔取１的深入思考）
本文旨在介绍支持向量机（SVM）的基本概念并解释SVM中的一个关键问题： 为什么SVM目标函数中的函数间隔取１？ 一、分类问题 给定N个分属两类的样本，给出一个决策边界使得边界一侧只含一种样本（如下图） 从直观上讲，两种样本集被分开的“间隔”越大表示分类效果越好，…
2022/4/19 6:12:51 人评论 次浏览 -
svm实例———使用libsvm进行分类
一、数据二、代码流程%% I. 清空环境变量 clear all clc%% II. 导入数据 load BreastTissue_data.mat%% % 1. 随机产生训练集和测试集 n = randperm(size(matrix,1));%% % 2. 训练集——80个样本 train_matrix = matrix(n(1:80),:); train_label = label(n(1:80),:);%% % …
2022/3/21 23:28:21 人评论 次浏览 -
SVM基本概念及Python实现代码
SVM（support vector machine）支持向量机： 注意：本文不准备提到数学证明的过程，一是因为有一篇非常好的文章解释的非常好：支持向量机通俗导论（理解SVM的三层境界） ，另一方面是因为我只是个程序员，不是搞数学的（主要是因为数学不好。），主要目的是将SVM以最通俗…
2022/2/26 1:23:47 人评论 次浏览 -
[論文筆記] R-CNN
目录 RCNN 的架構 相較於過去其他算法的優點 訓練過程 其他部分 參考文獻RCNN 的架構RCNN 架構主要由以下幾個部分組成: 1. 抽取圖像中多個候選區域 這個部份負責從圖像中，找出可能是物件的候選區域 (region propos)RCNN中採用了 selective search 來計算候選區域 2. 抽取…
2022/2/23 6:25:10 人评论 次浏览 -
各常用分类算法的优缺点总结:DT/ANN/KNN/SVM/GA/Bayes/Adaboosting/Rocchio
1决策树（Decision Trees）的优缺点决策树的优点： 一、 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。 二、 对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。 三、 能够…
2022/2/22 11:53:30 人评论 次浏览 -
IGWO-SVM：改良的灰狼优化算法改进支持向量机
IGWO-SVM：改良的灰狼优化算法改进支持向量机。采用三种改进思路：两种Logistic和Tent混沌映射和采用DIH策略。采用基于DIH维度学习的狩猎搜索策略为每只狼构建邻域，增强局部和全局搜索能力，收敛速度比GWO更快，适用于paper。编号:2750656044236748我们都是狗
2022/2/9 22:15:18 人评论 次浏览 -
数据挖掘学习笔记5-支持向量机SVM
支持向量机主要原理是在分类器可以将两类样本分开的基础上，通过最大化两类样本之间的间隔来选取分类器。距离算法如下 对于线性有重叠的样本，可采用软间隔，即放宽y（wx+b）≥1的条件，增加一个宽限值，使一些重叠样本也能被分类器分开。 对于线性不可分问题，SVM会先将…
2022/2/9 6:15:02 人评论 次浏览 -
分类问题常用算法——SVM概述
SVM（支持向量机）是一种分类模型，作为机器学习中很基础的一个知识点，本文将对其进行一个较简洁并且容易理解的描述，也是自己的一个复习，若有疏漏，请多指正。 目录 场景 SVM的分类 基本模型 对偶算法 软间隔 核技巧场景： 对一个二类分类问题：以线性可分数据为例，需…
2022/2/8 22:14:53 人评论 次浏览 -
支持向量机（SVM） 凸优化与对偶问题求解
一、对偶问题的转化 先写出一个转化对偶问题的一般性结论 原问题： 转化为的对偶问题是：其中a，b是根据原问题的限制条件产生的新的变量。二、SVM模型问题转化 原问题：即： 注意这里待求参数是w，xi，b。转化为的对偶问题是：注意这里实际只有a，b其实还是a只是为了…
2022/2/6 23:42:46 人评论 次浏览
