优化理论
浅唱战无双
小硕一枚,AI初级,社会推荐,
展开
-
SMO算法最通俗易懂的解释
SVM通常用对偶问题来求解,这样的好处有两个:1、变量只有N个(N为训练集中的样本个数),原始问题中的变量数量与样本点的特征个数相同,当样本特征非常多时,求解难度较大。2、可以方便地引入核函数,求解非线性SVM。求解对偶问题,常用的算法是SMO,彻底地理解这个算法对初学者有一定难度,本文尝试模拟算法作者发明该算法的思考过程,让大家轻轻松松理解SMO算法。文中的“我...转载 2019-04-10 17:24:13 · 967 阅读 · 2 评论 -
由拉格朗日约束函数引出对偶问题
在支持向量机中,将原始问题转换成对偶问题,看到这篇博客写的很不错,通俗易懂,特地转载过来。 链接 链接 讲的很清楚了!转载 2019-04-08 13:36:35 · 155 阅读 · 0 评论 -
支持向量机的软间隔与正则化
看到西瓜书上有些东西写的不是特别清楚,结合李航的《统计学习方法》,把软间隔与正则化知识点重新整理了一下。 先给出支持向量机的基本形式:minw,b12∥w∥2s.t. yi(wTxi+b)≥1, i=1,2,...,m\begin{aligned} &\min \limits_{w,b} \frac{1}{2} \le...原创 2019-04-14 10:16:13 · 344 阅读 · 1 评论