自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

数据客

聚焦数据分析、数据挖掘的基础知识和心得,分析工具Python、BI、Excel等的使用、统计学技术知识、机器学习算法。

  • 博客(1)
  • 收藏
  • 关注

原创 支持向量机原理及scikit-learn实现

引言 支持向量机(SVM)是一个功能强大并且全面的机器学习模型,它能够执行线性或者非线性分类、回归,甚至异常值检测任务。它是机器学习最受欢迎的模型之一,任何对机器学习感兴趣的人都应该在工具箱中配置一个。SVM特别适用于中小型复杂数据分类。 目录 引言 线性可分和线性不可分 线性可分数学定义(二维): 线性可分情况下的最优分隔平面 线性可分情况下最优分隔平面的数学理论(优化理论) 二次规划问题 线性不可分情况下的最优分隔平面 少数样本导致线性不可分情况 大量样本线性不可分情况 线性不可

2021-02-17 22:09:46 926

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除