本章开始进入SVM的讲解。SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模...
发简信
IP属地：上海
-
01 SVM - 大纲 -
02 SVM - 拉格朗日乘子法01 SVM - 概述 自变量无约束的求极值方法 - 梯度下降法 10 回归算法 - 梯度下降在线性回归中的应用11 回归算法 - BGD、SGD、MBGD梯度下降12 回归...
-
03 SVM - KKT条件02 SVM - 拉格朗日乘子法 回顾上章，原始问题与对偶问题的关系： 结论：1、对偶问题小于等于原始问题。2、当函数满足KKT条件的时候，对偶问题=原始问题。 这章开始介绍...
-
04 SVM - 感知器模型03 SVM - KKT条件 高中距离知识回顾 点到直线/平面的距离公式： 1、假定点p(x0,y0)，平面方程为f(x,y)=Ax+By+C，那么点p到平面f(x)的距离为...
-
05 SVM - 支持向量机 - 概念、线性可分04 SVM - 感知器模型 一、SVM概念 支持向量机(Support Vector Machine, SVM)本身是一个二元分类算法，是对感知器算法模型的一种扩展，现在的...
-
06 SVM - 线性可分模型算法和案例05 SVM - 支持向量机 - 概念、线性可分 三、线性可分SVM算法流程 输入线性可分的m个样本数据{(x1,y1),(x2,y2),...,(xm,ym)}，其中x为n...
-
07 SVM - 软间隔模型六、硬间隔和软间隔模型 之前两章介绍的内容是硬间隔模型：《05 SVM - 支持向量机 - 概念、线性可分》《06 SVM - 线性可分SVM算法和案例》 线性可分SVM中要...
-
08 SVM - 软间隔模型算法流程
07 SVM - 软间隔模型 七、SVM的软间隔模型算法 输入线性可分的m个样本数据{(x1,y1),(x2,y2),...,(xm,ym)}，其中x为n维的特征向量，y为二...
-
09 SVM - 线性不可分模型无论之前的软间隔还是硬间隔模型，都是针对SVM线性可分模型而言的。软间隔模型和硬间隔模型的损失函数一样，只是多了两个条件。软间隔并没有真正解决线性不可分的问题，只是防止模型过...
-
10 SVM - 核函数09 SVM - 线性不可分模型 十一、核函数初识 假设： 函数Ф是一个从低维特征空间到高维特征空间的一个映射，那么如果存在函数K(x,z), 对于任意的低维特征向量x和z，...
-
11 SVM - SMO - 序列最小优化算法05 SVM - 支持向量机 - 概念、线性可分06 SVM - 线性可分模型算法和案例07 SVM - 软间隔模型08 SVM - 软间隔模型算法流程 09 SVM - 线...
-
12 SVM - SMO - 初始β变量的选择、总结11 SVM - 序列最小优化算法 SMO 十五、初始β变量的选择 回顾: 可以发现SMO算法中，是选择两个合适的β变量做迭代，其它变量作为常量来进行优化的一个过程，那么这...
-
13 SVM - SVR（回归问题的SVM）12 SVM - SMO - 初始β变量的选择、总结 十七、SVR 回归问题的SVM SVM和决策树一样，可以将模型直接应用到回归问题中；在SVM的分类模型(SVC)中，目标...
-
14 SVM - 代码案例一 - 鸢尾花数据SVM分类SVM的章节已经讲完，具体内容请参考：《01 SVM - 大纲》 常规操作： 1、头文件引入SVM相关的包2、防止中文乱码3、去警告4、读取数据5、数据分割训练集和测试集 8...
-
15 SVM - 代码案例二 - 鸢尾花数据不同分类器效果比较SVM的章节已经讲完，具体内容请参考：《01 SVM - 大纲》 《14 SVM - 代码案例一 - 鸢尾花数据SVM分类》 回顾案例一中的头文件： 案例二 - 鸢尾花数据不...
-
16 SVM - 代码案例三 - 不同SVM核函数效果比较SVM的章节已经讲完，具体内容请参考：《01 SVM - 大纲》 《14 SVM - 代码案例一 - 鸢尾花数据SVM分类》《15 SVM - 代码案例二 - 鸢尾花数据不同...
-
17 SVM - 代码案例四 - 不同SVM惩罚参数C值不同效果比较SVM的章节已经讲完，具体内容请参考：《01 SVM - 大纲》 《14 SVM - 代码案例一 - 鸢尾花数据SVM分类》《15 SVM - 代码案例二 - 鸢尾花数据不同...
