SVM
文章平均质量分 89
飞天小建建
这个作者很懒,什么都没留下…
展开
-
libsvm最新源代码(版本3.21)理解解析(二)
一、回顾 上节,我们介绍到了SMO的总体过程,本节对SMO的三个难点结合代码进行详细分析。 二、SMO算法 (1)设置拉格朗日乘子α=(α[1]...α[i]...α[l])的初始值(一般设为全0),并设置迭代次数计数器k=1。 (2)如果α向量已经收敛(符合KKT达到停止条件),停止循环,返回结果;否则,找出工作集B=(i,j),实际上原创 2016-12-26 09:17:15 · 1238 阅读 · 1 评论 -
libsvm最新源代码(版本3.21)理解解析(一)
一、导读 SVM的理论通过吴恩达(Andrew NG)的机器学习斯坦福公开课(http://open.163.com/special/opencourse/machinelearning.html)以及一些博文都可以很好的理解了,但理解归理解,如何实现却是另一回事。LIBSVM(http://www.csie.ntu.edu.tw/~cjlin/libsvm/)是一款是应用最为广原创 2016-12-23 14:25:09 · 5143 阅读 · 1 评论 -
libsvm最新源代码(版本3.21)理解解析(三)
一、回顾 上篇博文,我们讲述了LIBSVM的SMO算法中的三个算法。本节我们介绍LIBSVM在SMO算法中使用的其他一些技巧和算法。 二、Shrinking 当我们更新α向量的时候,很可能在循环中期,有相当多的α已经达到收敛,在循环的后半部分已经不再变化了。论文中详细介绍了shrinking的原理支持,当然,我们只关心结果,那就是:在整个循环中,大部分的α元素在循环后原创 2016-12-26 16:03:25 · 1631 阅读 · 0 评论