SVM系列
zhang_can
这个作者很懒,什么都没留下…
展开
-
[SVM系列之三]间隔与支持向量
问题引入(1)首先回答一个问题,下面哪一条线最优? 显然,最右侧的分割最优。(2)为什么最优呢? 由上图可以看出,它的容错性更好,它使得所有样本与分割超平面的距离尽可能远,或者可以说最差的样本(离分割超平面最近的样本)与分割超平面的距离要尽可能远。因此,SVM的目的就是从无数多个分割超平面中,找到这样最好的分割超平面。通常情况下,一个点距离超平面的远近可以表...原创 2018-03-07 22:29:14 · 4894 阅读 · 1 评论 -
[SVM系列之一]白话支持向量机(SVM)
初识支持向量机(SVM)我们来玩一个游戏:首先在桌子上放两种颜色的球,它们似乎存在某种关系,那你能不能用一根木棒将两种颜色分开呢?要求:尽可能在桌面上放置更多的小球后仍然适用。 你大概会这么放吧: 为了测试你的答案是不是符合要求,我在桌上又放了更加多的蓝红小球,可以发现,一个红球被分错了位置: 支持向量机(SVM)可以白话为:试图找到一个木棍放置的...原创 2018-03-01 11:16:31 · 2294 阅读 · 1 评论 -
[SVM系列之二]线性分类
在上一节中,我们对支持向量机(SVM)有了一个大概的印象,当然,这还远远不够。在深入了解之前,在本节中我们将涉及分类问题。分类的目的是学会一个分类函数或分类模型(或者叫做分类器),该模型能将数据库中的数据项映射到给定类别中的某一个,从而可以用于预测未知类别。分类在机器学习、数据挖掘等领域中得到广泛的应用,可以用来解决各种实际应用问题,因此它的重要性不言而喻。支持向量机(SVM)算法也是分类方法...原创 2018-03-05 13:29:38 · 2683 阅读 · 1 评论