支持向量机的原理,以及优化目标函数的推导复杂了许多,
还涉及了松弛变量等我之前没有接触的新内容。
为了更好的理解原理,我计划用西瓜书再研读一边原理。
今日只做简单的准备函数工作:
def loadDataSet(flieName):
dataMat = []; labelMat = []
fr = open(fileName)
for line in fr.readlines():
lineArr = line.strip().split('\t')
dataMat.append([float(lineArr[0]), float(lineArr[1])])
labelMat.append(float(lineArr[2]))
return dataMat, labelMat
def selectJrand(i,m):#随机选取alpha的下标
j = i
while (j == i):
j = int(random.uniform(0,m))
return j
def clipAlpha(aj,H,L): #限制alpha的极致
if aj > H :
aj = H
if L > aj :
aj = L
return aj
对于支持向量机的原理部分
https://blog.csdn.net/hx14301009/article/details/79762666
这位大神写得很清晰,让我受益匪浅
本文代码来源:
代码原出版书籍方已公开
https://www.manning.com/books/machine-learning-in-action
不作任何参考,仅为个人读书笔记,方便未来复习查看。