支持向量机专题
文章平均质量分 90
天涯__
我不是归人,是个过客。
展开
-
线性可分支持向量机(一)
基本概念线性可分支持向量机是最基本的形式,对应于两类数据能够被完全分离的的情况。它学习的目标在于在特征空间中找到一个分离超平面,能够将实例分到不同的类别里。分离超平面对应于方程ωx+b=0。 在另外一篇博客里介绍了感知机概念,感知机也是寻找一个超平面,能够让实例正确分类。 两者不同之处就在于,感知机所要找的超平面有无数多个,而支持向量机是要找间隔最大的那个,它是唯一的。那么,什么是间隔最大?首先原创 2016-09-24 11:33:26 · 6689 阅读 · 2 评论 -
线性可分支持向量机(二)
基本概念在线性可分支持向量机(一)中,我们研究的是最理想的情况,即被分类的两类样本点没有交叉,能够完全被分离超平面给分离。但实际上的情况一般都不是那么理想,可能找不出一个完美的分离超平面。有可能有样本点位于分离超平面的另一侧。此时,我们所追求的就是软间隔最大化。软间隔最大化根据博文一的分析,在寻找到支持向量并做出超平面后,对于正确分类的点,它必定满足 。现在存在一些不能满足函数间隔大于1的点,可以原创 2016-10-06 21:35:11 · 801 阅读 · 0 评论 -
最小二乘支持向量机——LSSVM
写在开头通过前文分析,可以看到,支持向量机最适合于小样本的学习环境。它的关键在于要找出所有的支持向量,从这些支持向量,就能得出最优分隔超平面了。这一做法让人联想到普通信号的处理。对于一个信号,其结构都是真实信号加上各种噪声。我们在做信号处理时,目的就是为了削弱噪声的影响,从而得出真实的信号值。这样对应起看,支持向量机机与信号滤波似乎有异曲同工之妙。在样本里,除了支持向量的那些点就像是信号里原创 2016-11-16 15:40:11 · 30456 阅读 · 1 评论