p是指分到1的概率,1-p就是分到0的概率。所以Odd ratio就是分到1的概率占分到0的概率的多少倍。Log Odd ratio是一个线性函数,就是线性回归的y。
fk(x) = P(x=x|y=k),f(x)就是一个概率密度函数。
σ2是方差,我们假设每个K类的方差一样,总方差就是对不同类别的方差加权平均。
当我们遇到等值2分类时,决策边界就是(u1+u2)/2
核心思想:找到一个超平面,将特征空间分开。SVM是直的,线性回归可以是曲线。
SVM一般是做2分类,多分类,需要多个SVM组合。
对于n维空间,需要的超平面是n-1维的。
SVM更好的分离,就要让边界最大
当数据有噪点,线性不可分时。有2种方法,第一种就是放松限制soft margin
Support Vector Classifier 支持向量分类器。
注意公式中的C是一个非负的调整成参数tunning parameter
还有第2个方法,就是扩展空间和核函数。
5003笔记 Statistic Chapter5-Introduction to classification techniques(LR LDA KNN SVM)
最新推荐文章于 2024-06-05 15:16:22 发布