- 博客(5)
- 收藏
- 关注
RSS订阅原创 线性可分svm原理详解
一、支持向量机-svm支持向量机(supportvector machines，SVM)是一种二分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器；支持向量机还包括核技巧，这使得它成为实质上的非线性分类器。支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二期规划的问题。支持向量机学习方法包含构建由简至繁的模型：线性可分支持向量机、线性支持向量机、非线性支持向量机。这
2017-10-21 19:46:31
1862
转载 拉格朗日对偶问题，以及在SVM中的应用
先抛开上面的二次规划问题，先来看看存在等式约束的极值问题求法，比如下面的最优化问题： 目标函数是f(w)，下面是等式约束。通常解法是引入拉格朗日算子，这里使用来表示算子，得到拉格朗日公式为 L是等式约束的个数。 然后分别对w和求偏导，使得偏导数等于0，然后解出w和。至于为什么引入拉格朗日算子可以求出极值，原因
2017-10-19 15:51:34
522
转载 拉格朗日乘子法和KKT条件
拉格朗日乘子法(Lagrange Multiplier)和KKT(Karush-Kuhn-Tucker)条件是求解约束优化问题的重要方法，在有等式约束时使用拉格朗日乘子法，在有不等约束时使用KKT条件。前提是：只有当目标函数为凸函数时，使用这两种方法才保证求得的是最优解。对于无约束最优化问题，有很多经典的求解方法，参见无约束最优化方法。拉格朗日乘子法先来看拉格朗日乘子法是什
2017-10-19 11:47:47
319
转载 kkt条件详解
转载出处：http://blog.csdn.net/johnnyconstantine/article/details/46335763KKT条件介绍 最近学习的时候用到了最优化理论，但是我没有多少这方面的理论基础。于是翻了很多大神的博客把容易理解的内容记载到这篇博客中。因此这是篇汇总博客，不算是全部原创，但是基础理论，应该也都差不多吧。因才
2017-10-19 11:41:04
10004
2
原创 从整体上认识数据挖掘
一、数据挖掘技术的产生：数据收集和数据存储技术的快速进步，使得积累海量数据已成为家常便饭。然而，提取有用的信息也成为巨大的挑战。通常，由于数据量太大，无法使用传统的数据处理工具和技术处理它。“数据挖掘”技术由此产生，数据挖掘技术，它将传统的数据分析方法与处理大量数据的复杂算法相结合，从而实现处理大量数据的目的。二、什么是数据挖掘：数据挖掘是在大型数据存储库中，自动的发现有用信息的过程。
2017-10-18 16:03:11
589
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人