[机器学习入门] 李宏毅机器学习笔记-23（Support Vector Machine；支持向量机）

holeung

于 2017-07-08 21:14:26 发布

阅读量3.6k

点赞数 4

CC 4.0 BY-SA版权

分类专栏：机器学习机器学习入门文章标签：机器学习 square SVM 支持向量机

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/soulmeetliang/article/details/74853048

这篇博客介绍了支持向量机（SVM）的概念，包括Hinge Loss、线性SVM及其梯度下降法、核方法如Radial Basis Function Kernel和Sigmoid Kernel。对比了SVM与深度学习的区别，强调SVM中Hinge Loss对正例和负例的不同处理策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[机器学习入门] 李宏毅机器学习笔记-23（Support Vector Machine；支持向量机）

PDF	VIDEO

Support Vector Machine

Outline

这里写图片描述

Hinge Loss

Binary Classification

分为三步。
δ不可微分，所以变化一下。

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。