SVM_支持向量机基本原理及应用PPT学习教案_第1页
SVM_支持向量机基本原理及应用PPT学习教案_第2页
SVM_支持向量机基本原理及应用PPT学习教案_第3页
SVM_支持向量机基本原理及应用PPT学习教案_第4页
SVM_支持向量机基本原理及应用PPT学习教案_第5页
已阅读5页，还剩33页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、会计学1SVM_支持向量机基本原理及应用支持向量机基本原理及应用第1页/共38页第2页/共38页第3页/共38页第4页/共38页第5页/共38页第6页/共38页0( )Tg xw xw第7页/共38页0( )Tg xw xw第8页/共38页第9页/共38页|pwxxrw第10页/共38页：线性判别函数利用一个超平面把线性判别函数利用一个超平面把特征空间分隔成两个区域。特征空间分隔成两个区域。超平面的方向由法向量超平面的方向由法向量w确定，确定，它的位置由阈值它的位置由阈值w0确定。确定。判别函数判别函数g(x)正比于正比于x点到超平点到超平面的代数距离（带正负号）。当面的代数距离（带正负号）。

2、当x点在超平面的正侧时，点在超平面的正侧时，g(x)0；当当x点在超平面的负侧时，点在超平面的负侧时，g(x)0 第11页/共38页类别，每个线性判别函数只对其中的两个类别分类。第12页/共38页第13页/共38页第14页/共38页第15页/共38页第16页/共38页第17页/共38页第18页/共38页第19页/共38页图中, 方形点和圆形点代表两类样本, H 为分类线,H1, H2分别为过各类中离分类线最近的样本且平行于分类线的直线, 它们之间的距离叫做分类间隔(margin)。所谓最优分类线就是要求分类线不但能将两类正确分开(训练错误率为0),而且使分类间隔最大.推广到高维空间，最优分类线就变为最优分类面。第20页/共38页第21页/共38页第22页/共38页第23页/共38页第24页/共38页*1( )sgnsgn()kiiiif xwxby x xb第25页/共38页第26页/共38页第27页/共38页第28页/共38页第29页/共38页第30页/共38页第31页/共38页第32页/共38页第33页/

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论