1、SVM理解与参数选择(kernel和C)
https://blog.csdn.net/ybdesire/article/details/53915093
使用SVM时,有两个点要注意:
1)若使用核函数,一定要对Feature做Feature Scaling(Normalization)
2)若训练集m太小,但Feature数量n很大,则训练数据不足以拟合复杂的非线性模型,这种情况下只能用linear-kernel,不能用高斯核。
2、多分类问题multicalss classification
https://www.cnblogs.com/nolonely/p/6183529.html
SVM多分类之一对一与一对多
https://www.jianshu.com/p/4743a4b5b610
3、如何解决分类中的样本倾斜问题(惩罚因子详解)
https://blog.csdn.net/memray/article/details/39853963
代码实现:scikit-learn SVM Unbalanced problems
SVM算法进阶
最新推荐文章于 2024-01-03 08:33:40 发布