1.算法原理
2.SVM原理
支持向量机(Support Vector Machine,SVM)是一种监督学习算法,用于分类和回归任务。
SVM的主要目标是找到一个最佳的超平面,可以将不同类别的样本分开,并且使得两个类别的样本之间的间隔最大化。
详细原理推导可见:看了这篇文章你还不懂SVM你就来打我
SVM中参数c 和g是两个重要的超参数,它们分别用于控制模型的复杂度和核函数的宽度。
- c是SVM 中的正则化参数,影响了支持向量与决策平面之间的距离
- g是对低维的样本进行高度度映射
目标函数定定义:
f
i
t
n
e
s
s
=
e
r
r
t
e
s
t
(1)
fitness=err_{test}\tag{1}
fitness=errtest(1)
3.结果展示
4.参考文献
[1] 史峰, 王辉, 郁磊. MATLAB 智能算法 30 个案例分析[J]. 2011.
[2] https://zhuanlan.zhihu.com/p/49331510