机器学习第五回——支持向量机SVM

一.SVM代价函数与图形

在这里插入图片描述
关于如何得到决策边界
在这里插入图片描述
当C很大时,拟合效果未必很好,会被异常数据影响
在这里插入图片描述

二.两个向量内积

转化为P*θ的范式形式
在这里插入图片描述
支持向量机产生大间隔的原因
在这里插入图片描述

三.核函数(kernel)

(1)使用fx替代x的多项式
在这里插入图片描述
(2)核函数的构造过程
在这里插入图片描述
相似度函数=核函数=高斯核函数
(3)核函数中关于欧式距离的讨论
在这里插入图片描述
(4)核函数绘制边界的雏形
在这里插入图片描述
(5)参数对SVM的影响
在这里插入图片描述
(6)不同情况下使用不同的算法
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值