這樣我們可以得到一個(gè)帶正則項(xiàng)的損失函數(shù)： 可以看到，這個(gè)誤差函數(shù)中后面一部分與SVM中的目標(biāo)函數(shù)類似，我們?cè)賹⒍握`差函數(shù)替換為?個(gè)? -不敏感...
投稿
收錄了13篇文章 · 31人關(guān)注
-
SVM系列十三講--支持向量回歸機(jī)SVR -
SVM系列第十二講--SMO算法今天我們來探究一下比較令人頭疼的一個(gè)問題，SMO算法。 1、求解問題 我們首先來回顧一下我們要解決的問題，在將SVM原始問題轉(zhuǎn)換成為對(duì)偶問題之后...
-
SVM系列第十一講--損失函數(shù)
我們的SVM算法在前面的十講中已經(jīng)基本介紹完畢了，現(xiàn)在還剩下兩個(gè)小問題，一個(gè)是SVM的損失函數(shù)問題，一個(gè)是求解α的SMO算法。這一講我們先來介紹...
-
SVM系列第十講--離群點(diǎn)處理1、離群點(diǎn) 在最開始討論支持向量機(jī)的時(shí)候，我們就假定，數(shù)據(jù)是線性可分的，亦即我們可以找到一個(gè)可行的超平面將數(shù)據(jù)完全分開。后來為了處理非線性數(shù)據(jù)，...
-
SVM系列第九講--核方法1、線性可分到線性不可分 前面我們介紹了線性情況下的支持向量機(jī)，它通過尋找一個(gè)線性的超平面來達(dá)到對(duì)數(shù)據(jù)進(jìn)行分類的目的。不過，由于是線性方法，所以...
-
SVM系列第八講--原始問題求解
在前面的兩講中，我們分別介紹了拉格朗日乘子法和在有不等式約束情況下最優(yōu)解必須滿足的KKT條件，接下來我們就可以利用這些來求解我們的最大間隔分類器...
-
SVM系列第七講--KKT條件上一講我們介紹了最優(yōu)化問題的兩種形式，無約束的和等式約束條件下的，這一講，我們主要介紹不等式約束條件下的最優(yōu)化問題，并介紹一下我們的KKT條件。...
-
SVM系列第六講--拉格朗日乘子法
在前面的幾講中，我們終于引出了支撐向量的概念，同時(shí)得到了求解最大間隔分類器的目標(biāo)規(guī)劃式，接下來，我們就要對(duì)該式進(jìn)行求解，但在正式求解之前，我想介...
-
SVM系列第五講--支撐向量上一講中我們介紹了最大間隔分類器的概念，這一節(jié)，我們介紹一下什么是支撐向量： 1、支撐向量 支撐向量的英文名叫supporting vector...
-
SVM系列第四講--最大間隔分類器上一節(jié)，我們了解了函數(shù)間隔和幾何間隔的概念，明確了我們要使用幾何間隔來計(jì)算數(shù)據(jù)點(diǎn)到超平面的距離，這一節(jié)，我們將最大間隔分類器的概念。 1、最大間...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/621496/360%E6%88%AA%E5%9B%BE20180228164952023.jpg', '推薦專題《SVM系列》（ 分享自 @簡(jiǎn)書 ）','http://www.itdecent.cn/c/bda3e98b8294?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','頁面編碼gb2312|utf-8默認(rèn)gb2312'));){kind=link}