面经总结

本文总结了面试中常见的SVM问题,包括核函数的选择与参数,如线性、多项式、RBF和sigmoid核。讨论了如何根据样本数量和特征维数选择适合的核函数,并提到SVM处理高维特征的方法。此外,还涉及了其他机器学习模型如knn、kmeans在高维数据中的处理策略,以及概率题和算法题。
摘要由CSDN通过智能技术生成

1、自我介绍
2、项目介绍
3、核函数有哪些?如何选择?核函数正定的意义?
1)对于线性核函数,没有专门需要设置的参数
2)对于多项式核函数,有三个参数。-d用来设置多项式核函数的最高此项次数,也就是公式中的d,默认值是3。-g用来设置核函数中的gamma参数设置,也就是公式中的第一个r(gamma),默认值是1/k(k是类别数)。-r用来设置核函数中的coef0,也就是公式中的第二个r,默认值是0。
3)对于RBF核函数,有一个参数。-g用来设置核函数中的gamma参数设置,也就是公式中的第一个r(gamma),默认值是1/k(k是类别数)。
4)对于sigmoid核函数,有两个参数。-g用来设置核函数中的gamma参数设置,也就是公式中的第一个r(gamma),默认值是1/k(k是类别数)。-r用来设置核函数中的coef0,也就是公式中的第二个r,默认值是0。
SVM几种核方法的对比:
https://blog.csdn.net/qq_29462849/article/details/89516133
https://blog.csdn.net/zhangbaoanhadoop/article/details/82084035
特征维数高选择线性核
样本数量可观、特征少选择高斯核(非线性核)(因为特征少,所以要放到高维空间上)
样本数量非常多选择线性核(避免造成庞大的计算量)
3.1一些有关SVM的知识点:https://www.cnblogs.com/1994tj/p/11808281.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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