SVM
跬步达千里
深度学习 图像处理 tensorflow caffe python C++
展开
-
libsvm 训练后的模型参数讲解
本帖子主要就是讲解利用libsvm-mat工具箱建立分类回归模型后得到的模型model里面参数的意义都是神马以及如果通过model得到相应模型的表达式这里主要以分类问题为例子。 测试数据使用的是libsvm-mat自带的heart_scale.mat数据270*13的一个属性据矩阵共有270个样本每个样本有13个属性方便大家自己测试学习。 首先上转载 2016-05-27 10:35:16 · 3296 阅读 · 0 评论 -
SVM中遇到的非均衡数据集
对于SVM中遇到的非均衡数据集,可以采用以下策略:假设有4类样本,比如,第一类有500个,第二类有300个,第三类有600个,第四类有200个,那么,可以通过SVM的class_weights(CvSVM中有该参数)来进行均衡,具体如下,1 求所有样本和,在这里为16002 求每一类样本数与总数的比值,如在这里为 500/1600=0.3125, 300原创 2016-05-27 10:36:42 · 3339 阅读 · 1 评论 -
SVM公式推导
时间有限,markdown编辑公式不熟悉,全当是自己理理svm的公式了 支持向量机 SVM出发点: 1 对于二维平面,给定平面上的任何一个直线: 直线1 (1)对于平面上的任何一点,与直线的关系为:要么在直线上,要么在直线外,在直线上就是y(x)= 0 对于不在直线上,代入直线要么y(x) > 0,要么y(x) < 0 svm:对于平面上要分类的两类点(A类和B类原创 2017-08-08 15:59:05 · 1293 阅读 · 0 评论 -
拉格朗日乘子法及KKT条件
拉格朗日乘子的引入: 1 对于求极值和有等式约束的优化问题,例如: 假设有自变量x和y,给定约束条件g(x,y)=c,要求f(x,y)在约束g下的极值。我们可以画出f的等高线图,如下图。此时,约束g=c由于只有一个自由度,因此也是图中的一条曲线(红色曲线所示)。显然地,当约束曲线g=c与某一条等高线f=d1相切时,函数f取得极值。两曲线相切等价于两曲线在切点处拥有共线的法向量。因此可得函数f(x原创 2017-10-25 17:53:28 · 1620 阅读 · 0 评论