机器学习笔记第九章

最新推荐文章于 2024-05-22 11:15:07 发布
最新推荐文章于 2024-05-22 11:15:07 发布
阅读量127 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 支持向量机 人工智能
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/qq_54606584/article/details/126212603
版权

机器学习笔记第九章

支撑向量机（Support Vector Machine）

不适定问题

在这里插入图片描述

支撑向量是SVM非常重要的元素

在这里插入图片描述

解决线性可分问题

Hard Margin SVM

Soft Margin SVM

SVM要最大化margin

在这里插入图片描述
就是最优化的问题。
在这里插入图片描述

Soft Margin 和 SVM 的正则化

在这里插入图片描述
在这里插入图片描述

scikit-learn 中的 SVM

实际使用SVM和KNN一样，要做数据标准化处理

核函数 kernel function

使用核函数可以节省空间，因为一般计算都是将低维升到高维之后算出

多项式核函数

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

高斯核函数

在这里插入图片描述
在这里插入图片描述

RBF核：高斯核函数

将每一个样本点映射到一个无穷维的特征空间

多项式特征

依靠升维使得原本线性不可分的数据线性可分

在这里插入图片描述
高斯核：
在这里插入图片描述

升维过程：
在这里插入图片描述
在这里插入图片描述
高斯核：对于每一个数据点都是landmark，m*n的数据映射成了m * m的数据

自然语言处理：数据是高维的，但是数据很少

scikit-learn当中的高斯核函数的使用

在这里插入图片描述

SVM思想解决回归问题

CMTin
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
机器学习复习笔记1
08-08
考试时间：2018.12.27 7:00 PM-9:00 PM考试地点：A1-302 A1-304第一章Basic Concept机器学习基础（3）Linear
常见的经典机器学习笔记
07-21
【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯混合模型及最大期望算法 【第13讲】 最大期望算法及其应用、因子分析模型 【第14...
机器学习(十)——支持向量机
hhhcbw的博客，欢迎各位来访
12-06 4416
支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行广义线性分类，其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）。SVM可以通过核函数进行非线性分类，是常见的核学习（kernel learning）方法之一。 什么是支持向量机 支持向量机（support vector machines）是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划.
机器学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 11万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
《机器学习》周志华(西瓜书)学习笔记 第九章 聚类
sdm12345的博客
07-07 1891
机器学习笔记 总目录 第九章 聚类 聚类是一种经典的无监督学习方法，无监督学习的目标是通过对无标记训练样本的学习，发掘和揭示数据集本身潜在的结构与规律，即不依赖于训练数据集的类标记信息。聚类则是试图将数据集的样本划分为若干个互不相交的类簇，从而每个簇对应一个潜在的类别。 9.1 距离度量 聚类性能度量亦称聚类"有效性指标" (validity index). 目标: 聚类结果的"簇内相似 度" (...
机器学习-周志华】学习笔记-第十一章
vircorns的博客
09-01 689
周志华《机器学习》第十一章笔记
【机器学习-周志华】学习笔记-第七章
vircorns的博客
08-28 551
周志华《机器学习》第七章-啃书笔记
李宏毅 || 机器学习笔记一
JiduoW的博客
07-25 3846
李宏毅机器学习2021/2022年学习笔记
【机器学习】机器学习笔记（吴恩达）
欢迎关注【微信公众号】测试开发Guide，从功能测试进阶测试开发
12-25 9393
中文笔记地址 http://www.ai-start.com/ml2014/html/week1.html 视频地址 https://www.bilibili.com/video/BV164411b7dx?p=4 https://study.163.com/course/courseLearn.htm?courseId=1210076550#/learn/video?lessonId=1280912351&courseId=1210076550 https://study.163.com/cours
【机器学习-周志华】学习笔记-第十二章
vircorns的博客
09-01 461
周志华《机器学习》十二章笔记
机器学习笔记（吴恩达）
kyxdjy的博客
04-25 3296
机器学习笔记（吴恩达）
machineLearningDeepLearning:李宏毅2021机器学习深度学习笔记PPT作业
05-11
李宏毅老师2021年Spring机器学习深度学习上线新课程，持续更新中 PPT，作业代码，学习笔记，上课代码，tensorflow|pytorch将会上传到github，欢迎Star，请多多鼓励。 如何下载本库内容 下载方式 1 git工具下载 ​ ...
斯坦福Ng机器学习课程笔记（中文版）
04-14
【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯混合模型及最大期望算法 【第13讲】 最大期望算法及其应用、因子分析模型 【第14...
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-个人学习笔记及代码
04-02
学习时的笔记及相关代码，笔记可见：https://blog.csdn.net/Morganfs/article/details/123926929?spm=1001.2014.3001.5501 学习来源：Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd ...
机器学习（36）
qq_45800507的博客
05-19 703
本周阅读了一篇关于多块和特征融合的图像去雾网络的论文。基于深度学习的去雾方法在图像去雾领域取得了显着进展，但大多数方法仍然存在去雾不完全和颜色失真的问题。为了解决这个问题，提出了一种基于多块和特征融合的图像去雾网络。该网络由预处理、特征提取、特征融合和后处理模块组成。预处理模块可以自适应地从补丁中提取图像特征信息。特征提取模块使用级联密集残差块来提取深层特征信息。特征融合模块对特征图进行通道加权和像素加权，实现主要特征的融合。后处理模块对融合后的特征图进行非线性映射，得到去雾图像。
【机器学习-k近邻算法-01】 | Scikit-Learn工具包进阶指南：机器学习sklearn.neighbors模块之k近邻算法实战
最新发布
一伦明悦的博客
05-22 405
sklearn.neighbors是scikit-learn库中用于实现K近邻算法的模块。它提供了用于分类、回归、密度估计等任务的K近邻算法的实现。该模块包含了多种K近邻算法的实现，如基本的KNN分类器、回归器、最近邻图等。你可以使用该模块来构建K近邻模型，并对数据进行分类、回归等任务。
Python 自动化脚本系列：第9集
代码说，代码让世界更美好。
05-20 592
Python 自动化脚本系列：第9集
机器学习之K-means聚类算法
weixin_49329177的博客
05-18 497
K-means 算法是一种经典的无监督学习算法，广泛应用于数据聚类领域。该算法的目标是将 n 个观测值划分为 K 个聚类，使得每个观测值都属于离其最近的均值（即聚类中心或质心）所对应的聚类，并且每个聚类内部的数据点尽可能相似，而不同聚类之间的数据点则尽可能不同。K-means 算法作为一种简单而有效的聚类算法，在数据分析和挖掘领域发挥着重要作用。通过不断的研究和改进，K-means 算法及其变种和扩展算法将继续在更多领域发挥更大的作用。
机器学习 学习笔记 allinone
08-01
机器学习的学习笔记"allinone"意味着集中整理机器学习的重要知识点和技巧，以供学习者学习和参考。 在机器学习的学习过程中，学习者将接触到各种机器学习算法和模型，如线性回归、逻辑回归、决策树、支持向量机等。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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