数据挖掘和机器学习
文章平均质量分 88
大咸皮蛋
专业老司机,天天发车!
展开
-
SVDD(Support Vector Domain Description) 支持向量数据域描述(2)
这篇文章主要介绍高斯核函数的一些性质和基于高斯核函数的SVDD方法一、高斯核函数的一些性质1. 高斯核对饮的映射空间是无限维空间 在上一篇博客中,我们用无穷级数已经说明过这一点,所以这里我们就不再重复了。2.高斯核函数对应的高维空间中,每一个向量的模长一定是1 这个我们可以用高斯核函数本身的性质来进行求解 这样就表明了,所有点在映射之后都在一个模长为1的无限维超球体中。3.在这个高维空间中原创 2017-03-22 15:34:52 · 17014 阅读 · 2 评论 -
SVDD(Support Vector Domain Description) 支持向量数据域描述(1)
在学习SVDD的相关知识的时候,发现网上关于SVDD的中文资料不是很多,所以想和大家一下自己学习SVDD的学习历程。鉴于本人知识水平,文中写的可能有错漏,希望大家可以指出互相学习。1. SVM 支持向量机在写SVDD之前,需要有SVM的相关基础,因为SVDD和SVM在公式推导上是很相像的。 SVM的核心是找一个有着最大间距的超平面实现二分类 目标函数是: 如果碰到了线性不可分怎么办?原创 2017-03-21 16:23:00 · 13507 阅读 · 8 评论