2013年06月_richard2357

12月 11月 08月 06月

原创支持向量机（三）

在第一篇中讲到了支持向量机实际上就是求解这样一个最优化问题：其中约束条件要求每个点都必须被正确分类。但在实际数据中，数据集常常并不是线性可分的。以及会有噪声点等情况，如图1。这时1是无解的。这时我们需要引入松弛变量来解决这个问题。图1 线性不可分意味着存在某些样本点(xi, y

2013-06-18 10:00:36 959

原创支持向量机（二）

为什么要引入对偶呢？其原因有二： 1.解原始问题是困难的，而对偶问题相对容易。 2.通过对偶，可以自然引入核函数对偶：对偶是一个很宽泛的概念，是一种方法。常常求解对偶问题比原始问题要容易。如证明成立与证明非A不成立是对偶。>=与

2013-06-18 09:21:22 1474 4

原创支持向量机（一）

本篇是学习SVM的初学讲义，希望能够对大家有所帮助。SVM涉及到很多拉格朗日对偶等最优化知识，强烈推荐大家学习《最优化计算方法》，不然理解SVM会遇到很多困难。学习之前强烈推荐先玩一玩林智仁的svm-toy.exe，对理解SVM很有帮助，链接在 http://download.csdn.net/detail/richard2357/5382093 好了，接下来我们开始SVM的学习。在本文

2013-06-17 22:40:55 1515

Machine Learning - A Probabilistic Perspective

从概率角度分析机器学习。是一本很好的工具书，很厚。

2013-12-11

pattern recognition and machine learning（附勘误）

剑桥大神Bishop的神作，个人认为在所有机器学习教材中讲得最为本质。附勘误。

2013-12-11

MFCC的详细介绍PPT

MFCC的详细介绍PPT，来源与CMU大学。

2013-12-05

svmtoy.exe

林智仁开发的libsvm里的一个svmtoy，对初学者很有感性上的帮助。

2013-05-15

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 支持向量机（三）

原创 支持向量机（二）

原创 支持向量机（一）