西瓜+南瓜task5:支持向量机

最新推荐文章于 2024-08-02 20:12:04 发布
最新推荐文章于 2024-08-02 20:12:04 发布
阅读量125 收藏
点赞数
分类专栏： 西瓜+南瓜 文章标签： 机器学习 支持向量机 深度学习 python

间隔与支持向量

在这里插入图片描述
位于两类训练样本的“正中间”的划分超平面，即中间那根粗线。

在这里插入图片描述
w 为法向量，决定了超平面的方向。
b为为一项，决定超平面与远点之间的距离。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

对偶问题

无约束的优化：
在这里插入图片描述

带等式约束的优化：
在这里插入图片描述
带不等式约束的优化
在这里插入图片描述

具体了解可参考这位网友的解释：
从几何角度解释：https://www.zhihu.com/question/58584814/answer/159863739
从经济学角度解释：https://www.zhihu.com/question/58584814/answer/1144183071 （思路清奇，更容易懂）

核函数

在这里插入图片描述
不可划分的超平面分类样本

软间隔与正则化

在这里插入图片描述
在现实任务往往很难确定合适的核函数使得训练样本在特征空中线性可分；
即使找到了某个核函数使训练集在特征空间中线性可分，也很难界定这个貌似线性可分的结果不是由于过拟合所造成。

在这里插入图片描述
在这里插入图片描述
常见的软间隔支持向量机
在这里插入图片描述

支持向量回归

在这里插入图片描述
这相当于以 f(x) 为中心，构建了一个宽度为2€的问隔带，若训练样本落入此间隔带，则认为是被预测正确的。
在这里插入图片描述

在这里插入图片描述

꧁ᝰ苏苏ᝰ꧂
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SVM-支持向量机基本原理及应用
06-05
SVM-支持向量机基本原理及应用
决策树：挑出好西瓜
weixin_46129506的博客
10-30 2565
目录一、概念二、ID3决策树算法1.信息熵2.信息增益3. 增益率(gain ratio)4. 基尼指数(Gini index)5.python编码实现参考资料 一、概念 决策树在机器学习中也是比较常见的一种算法，属于监督学习中的一种。看字面意思应该也比较容易理解，相比其他算法比如支持向量机(SVM)或神经网络，似乎决策树感觉“亲切”许多。 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失值不敏感，可以处理不相关特征数据。 缺点：可能会产生过度匹配的问题。 使用数据类型：数值型和标称型。 最经典的
西瓜书理解之支持向量机
weixin_38410551的博客
03-04 266
西瓜书6.1节的理解。 6.1节描述的问题是线性可分的问题，如果用支持向量机来解决，只需要最大化分类间隔即可，分类间隔仅与离超平面距离为1的点有关系，这些点的向量称之为支持向量机，分类间隔越大，分类效果越好。 重要概念理解： 超平面：可以理解为一维空间中的点，二维空间中的线，三维空间中的平面的扩展，分类的决策边界。 支持向量：离分割超平面最近的那些点 向量到超平面距离公式的推导。 分类...
西瓜+南瓜 task2:线性回归
qq_45396577的博客
07-19 180
线性模型 基本形式 常见线性函数 y = wx+b，比如历史数据的每日销售来预测某一天，某一个季度，某一年的销售情况，好做应对措施。 w(i)在预测中扮演重要角色，可以看出每个属性对y值的影响程度，w值越大，权重越高，当然正负亦可。 线性回归 有这样一个数据集D，且是离散，存在“序”关系，比如说高、中、低，三种属性，将其变成为 {1.0，0.5，0.0}； 如果不是序关系，有K个属性，可转为K维向量，比如"西瓜" “南瓜” "黄瓜"可转化为 (0，0，1,) (0， 1，0），(1，0，0) w和b
西瓜+南瓜 task4：神经网络
qq_45396577的博客
07-25 107
神经元模型 神经网络最基本的成分是神经元模型，通过多个神经元按照一定的层次结构连接。 想要输出还需以下图b的激活函数，图a 不连续不光滑，不太适用。 输出值范围都被挤压在（0，1）之间，因此又被称为挤压函数。 感知机与多层网络 感知机：两层神经元组成。 一般是线性的与、或、非问题，存在一个线性超平面能将它们分开。 要解决非线性可分问题，可考虑使用多层功能神经元。 经元之间不存在同层连接， 也不存在跨层连接 误差逆传播算法（简称BP） BP算法目前是最成功的神经网络学习算法，大多都用它训练。 BP算法
Task01：概览西瓜书+南瓜书第1、2章
静妮子的博客
05-17 318
Task01：概览西瓜书+南瓜书第1、2章 第1章 绪论 基本术语 数据集（data set）：关于事件/对象的描述记录的集合（其中每条记录—“示例instance/样本sample”） 属性(attribute)/特征(feature)：反映事件/对象在某方面的表现or性质的事项 属性值(attribute value)：属性上的取值 属性空间(attribute space)/样本空间(sample space)/输入空间：属性张成的空间 特征向量(feature vector)：每个示例在属性空间中
10月Datawhale组队学习：Task01：概览西瓜书+南瓜书第1、2章
weixin_41778729的博客
10-12 225
边学习边思考边记录边整理，抱着兴趣浏览，带着问题阅读，做着习题强化，理清教材的思维脉络，争取早日将机器学习知识体系化！ 第1章 绪论 1.1 引言 引例：好西瓜的判定 关键知识点： 机器学习（machine learning）、模型（model）、学习算法（learning algorithm） 1.2 基本术语 示例（instance）/样本（sample）：一个事件或对象，在空间中又可称为特征向量（feature vector） 属性（attribute）/特征（f...
机器学习吃瓜（西瓜、南瓜书）笔记 task05-第六章支持向量机
weixin_37734833的博客
07-28 425
目录6.1.算法原理6.2 软间隔6.3 支持向量机 6.1.算法原理 几何角度，对于线性可分的数据集，SVM就是找一个离正负样本都最远的超平面，相比于感知机，其解是唯一的，（感知机只要能分开正负样本即可），且泛化性更好。 现实任务中，线性不可分的情形最常见的，因此要允许支持向量机犯错。 6.2 软间隔 6.3 支持向量机 ...
Task01：概览西瓜书+南瓜书第1、2章（2天）
weixin_43481320的博客
08-17 195
笔记参考和出处： 《机器学习》周志华 Datawhale吃瓜教程 重学机器学习，巩固基础数学推导知识。 原笔记用Typora完成 1 - 机器学习中的基本概念 机器学习 机器学习，致力于研究如何通过计算的手段, 利用经验来改善系统自身的性能. 在计算机系统中，“经验”通常以“数据”形式存在。 因此, 机器学习所研究的主要内容, 是关于在计算机上从数据中产生 “模 型” (model) 的算法, 即 “学习算法”(learning algorithm). 有了学习算法, 我 们把经验数据提供给它, 它就
最新版仿西瓜影院电脑手机影视自适应模板
04-17
《最新版仿西瓜影院电脑手机影视自适应模板》是一款针对影视网站设计的模板，旨在提供一个既能满足电脑用户浏览体验，又能适应手机等移动设备观看的解决方案。此模板的开发和设计考虑到了现代用户对多媒体内容的需求...
南瓜、西瓜、西红柿图片数据集
01-27
南瓜、西瓜、西红柿图片数据集，用于Fine Tuning的学习，包括训练集和验证集。 具体代码可参考：https://cchang.blog.csdn.net/article/details/86422080
Construct合成大西瓜H5游戏项目JavaScript源码Watermelon
01-24
Construct合成大西瓜H5游戏项目源码 游戏简介： 游戏将两个相同的水果组合到游戏中的玻璃容器中，每个水果组合都会根据水果组合获得分数。水果越大，获得的分数就越高。 玩法： 按住游戏屏幕引导水果掉落，尝试瞄准...
机器学习_西瓜书_C6支持向量机
d1596324的博客
07-28 348
西瓜书+南瓜书_第六章_支持向量机
【机器学习】成本函数在逻辑回归中的形式以及逻辑回归的成本函数
m0_49243785的博客
08-02 987
检查并使用逻辑回归的成本函数
【机器学习西瓜书学习笔记——支持向量机】
m0_51148715的博客
08-02 481
将原始空间中的向量作为输入向量，并返回特征空间（转换后的数据空间,可能是高维）中向量的点积的函数称为核函数。
svm总结
最新发布
qq_56618414的博客
08-02 550
SVM的英文全称是Support Vector Machines，我们叫它支持向量机。支持向量机是我们用于分类的一种算法。让我们以一个小故事的形式，开启我们的SVM之旅吧。在很久以前的情人节，一位大侠要去救他的爱人，但天空中的魔鬼和他玩了一个游戏。魔鬼在桌子上似乎有规律放了两种颜色的球，说："你用一根棍分开它们？要求：尽量在放更多球之后，仍然适用。于是大侠这样放，干的不错？然后魔鬼，又在桌上放了更多的球，似乎有一个球站错了阵营。显然，大侠需要对棍做出调整。
【深度学习】【语音TTS】OpenVoice v2，测评，中英文语料，Docker镜像，对比GPT-SoVITS、FishAudio、BertVITS2
q742971636的博客
08-02 151
速度很快，3090显卡上，16秒就可以推理出2分钟的语音。语音流畅，无明显吞字。说话流畅，就里面用了别的项目切分句子，很省心，这一点值得学习。
写出代码实现支持向量机挑西瓜
06-10
下面是一个简单的 Python 代码实现，使用 scikit-learn 库中的 SVM 模型来挑选西瓜。这个例子使用了西瓜数据集 3.0，数据集中一共有 17 个样本，每个样本有 8 个特征，包括密度、含糖率等。 ```python from sklearn import svm from sklearn import datasets # 加载西瓜数据集 data = datasets.load_wine() # 取前两个特征作为输入 X = data.data[:, :2] # 取类别作为标签 y = data.target # 训练 SVM 模型 clf = svm.SVC(kernel='linear') clf.fit(X, y) # 预测新的西瓜 new_data = [[0.7, 0.2], [0.3, 0.8]] print(clf.predict(new_data)) ``` 在这个例子中，我们取了数据集中的前两个特征作为输入，使用 SVM 模型进行训练，并预测了两个新的西瓜样本的类别。需要注意的是，这个例子使用了线性核函数，如果数据集不是线性可分的，我们需要使用其他的核函数来处理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值