SVM
文章平均质量分 75
s030501408
这个作者很懒,什么都没留下…
展开
-
SVM
SVM - Support Vector MachinesSVM - Support Vector MachinesIntroduction to Support Vector Machine (SVM) Models A Support Vector Machine (SVM) performs classification by constructing an原创 2010-04-13 14:14:00 · 1424 阅读 · 1 评论 -
Cross-Validation
交叉验证(Cross Validation)方法思想简介以下简称交叉验证(Cross Validation)为CV.CV是用来验证分类器的性能一种统计分析方法,基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set),首先用训练集对分类器进行训练,在利用验证集来测试训练得到的模型(model),原创 2010-04-17 09:45:00 · 801 阅读 · 0 评论 -
LibSvm使用说明
SVM的使用为什么写这个指南我一直觉得 SVM 是个很有趣的东西,不过一直沒办法去听林智仁老師 的 Data mining与SVM的课,后来看了一些Internet上的文件,后来听 kcwu 讲了一下 libsvm 的用法后,就想整理一下,算是对于并不需要知道完整 SVM 理论的人提供使用 libsvm 的入门。 原始 libsvm 的README跟FAQ也是很好的文件, 不过你可转载 2010-04-17 13:23:00 · 2702 阅读 · 0 评论 -
核函数简介
(1)核函数发展历史 早在1964年Aizermann等在势函数方法的研究中就将该技术引入到机器学习领域,但是直到1992年Vapnik等利用该技术成功地将线性SVMs推广到非线性SVMs时其潜力才得以充分挖掘。而核函数的理论则更为古老,Mercer定理可以追溯到1909年,再生核希尔伯特空间(ReproducingKernel Hilbert Space, RKHS)研究是在20世纪40年转载 2010-05-26 16:56:00 · 1449 阅读 · 1 评论