SVM和EM算法

SVM算法
在这里插入图片描述
黑色的那条线就是超平面
距离黑色的那条线的距离最近的点就是支持向量
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

核函数,是将原始输⼊空间映射到新的特征空间,从⽽,使得原本线性不可分的样本可能在核空间可分。
应用举例:
在这里插入图片描述
在这里插入图片描述
常⻅核函数:
在这里插入图片描述
⼀般有如下指导规则:
1) 如果Feature的数量很⼤,甚⾄和样本数量差不多时,往往线性可分,这时选⽤LR或者线性核Linear;2) 如果Feature的数量很⼩,样本数量正常,不算多也不算少,这时选⽤RBF核;3) 如果Feature的数量很⼩,⽽样本的数量很⼤,这时

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