shuoshuow-CSDN博客

原创 SVM 之松弛变量

接下来说说SVM怎么对线性不可分的数据进行处理 5. SVM松弛变量有的时候，数据并不是严格线性可分的，可能有几个数据到了对方类别的区域，导致原本线性可分的问题变成了线性不可分的。这样类似的问题（仅有少数点线性不可分）叫做“近似线性可分”的问题。以我们人类的常识来判断，说有一万个点都符合某种规律（因而线性可分），有一个点不符合，那这一个点是否就代表了分类规

2009-11-20 00:43:00 2411

原创 SVM 之算法步骤

没啥说的，理论都介绍完了，就上算法步骤的总结吧 4. SVM算法流程（1）给定训练集T={(x1,y1), (x2,y2),…, (xn,yn)} （2）求解二次规划问题：解得（3）计算参数w，并选取一个正分量计算b （4）构造判决边界：，由此求得决策函数：

2009-11-20 00:34:00 8384

原创 SVM 之问题的转化

接上一篇文章，接下来主要介绍在已经知道我们的目标为何物时应该怎么将问题转化成计算简单的等价问题，理论性比较强，其中涉及到的相关数学知识和概念，请看《SVM 之基础》 3. SVM问题的转化重复一遍SVM问题：此时，SVM问题就转化为二次规划问题，但是可以看到我们的目标函数会随着x的维度增加和个数增加而变得异常复杂，所以需要将它转化为更加易于计算的形式。

2009-11-20 00:10:00 703

原创 SVM 之基础

在学习SVM之前有些数学基础还是需要掌握的，特别是想彻底明白SVM就更需要掌握了，它涉及到怎么解SVM的问题。至于之想了解SVM的直观步骤的，请跳过此章节。 1. 对偶问题（dual problem）如果有原问题：设该问题的最优解为p*=inf{f0(x)}，所以问题就可以转化为求p*的下界。

2009-11-19 23:54:00 1271

原创 SVM 之问题描述

最近在上模式识别，终于学到了名声赫赫的SVM，于是趁机深入研究了一下下，决定写下学习成果，一来方便自己忘记日后翻看，二来希望与同我一样在奋斗中的人分享。

2009-11-19 18:20:00 817 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 SVM 之 松弛变量

原创 SVM 之 算法步骤

原创 SVM 之 问题的转化

原创 SVM 之 基础

原创 SVM 之 问题描述

空空如也

空空如也

原创 SVM 之松弛变量

原创 SVM 之算法步骤

原创 SVM 之问题的转化

原创 SVM 之基础

原创 SVM 之问题描述