《机器学习项目案例开发》课件 15.支持向量机_第1页
《机器学习项目案例开发》课件 15.支持向量机_第2页
《机器学习项目案例开发》课件 15.支持向量机_第3页
《机器学习项目案例开发》课件 15.支持向量机_第4页
《机器学习项目案例开发》课件 15.支持向量机_第5页
已阅读5页，还剩13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

人工智能技术与应用6.支持向量机课程概况—基本情况PART01支持向量机线性可分支持向量机线性不可分支持向量机非线性支持向量机线性可分支持向量机支持向量机(SupportVectorMachine)：要解决的问题：什么样的决策边界才是最好的呢？支持向量机(SupportVectorMachine)，通常缩写为SVM，是一种用于回归和分类的监督学习算法，但更常用于分类。SVM在各种设置下均表现出色，通常被认为是最好的“开箱即用”分类器。个体支持向量机(SupportVectorMachine)：求解决策边界：选出来离雷区最远的（雷区就是边界上的点，要LargeMargin）线性可分支持向量机线性可分支持向量机：线性可分支持向量机距离的计算：目的：让机器学习效果线性可分支持向量机数据标签定义：数据集：(X1,Y1)(X2,Y2)…(Xn,Yn)Y为样本的类别：当X为正例时候Y=+1当X为负例时候Y=-1决策方程：线性可分支持向量机优化目标：（实际问题转为数学问题，优化化简）通俗解释：找到一个条线（w和b），使得离该线最近的点（雷区）能够最远将点到直线的距离化简得：（由于所以将绝对值展开原始依旧成立）

线性可分支持向量机目标函数：（实际问题转为数学问题，优化化简）放缩变换：对于决策方程（w,b）可以通过放缩使得其结果值|Y|>=1：优化目标：min求最近的点，在找什么样的w和b使得距离最大由于，只需要考虑

线性可分支持向量机目标函数：（实际问题转为数学问题，优化化简）当前目标：约束条件：

将求解极大值问题转换成极小值问题如何求解：应用拉格朗日乘子法求解

线性可分支持向量机线性支持向量机：（soft-margin）软间隔：有时候数据中有一些噪音点，如果考虑它们咱们的线就不太好了：之前的方法要求要把两类点完全分得开，这个要求有点过于严格了，我们来放松一点！为了解决该问题，引入松弛因子线性支持向量机线性支持向量机：（soft-margin）当数据线性不可分，则增加松弛因子，使得函数间隔加上松弛变量大于等于1，这样，约束条件变成目标函数当C趋近于很大时：意味着分类严格不能有错误当C趋近于很小时：意味着可以有更大的错误容忍C是我们需要指定的一个参数！线性支持向量机损失函数线性支持向量机非线性支持向量机：核函数非线性支持向量机非线性支持向量机：核函数非线性支持向量机非线性支持向量机：高斯核函

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