《模式识别原理、应用及实现》 课件 4.8 SVM-2_第1页
《模式识别原理、应用及实现》 课件 4.8 SVM-2_第2页
《模式识别原理、应用及实现》 课件 4.8 SVM-2_第3页
《模式识别原理、应用及实现》 课件 4.8 SVM-2_第4页
《模式识别原理、应用及实现》 课件 4.8 SVM-2_第5页
已阅读5页,还剩7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

4.7支持向量机(SVM)4.7.3

软间隔(松弛)4.7.3

软间隔(松弛)𝐶>0:正则化参数𝜉𝑖——代价,我们要最小化代价函数(总代价)——正则项,对分类器进行限制,使复杂度不至于太高引入惩罚项,目标函数改写为:4.7.3

软间隔(松弛)对偶形式仅依赖于内积SVM的对偶性4.7.4非线性SVMs4.7.4非线性SVMs最后得到决策函数可得在求得最优化问题的解4.7.4非线性SVMs4.7.4非线性SVMs目前研究最多的核函数主要有三类:多项式内核径向基函数内核RBFSigmoind内核4.7.4非线性SVMs4.7.5结构风险最小化结构风险最小化的思想认为,真实风险​应该由两部分内容刻画,一是经验风险,代表了分类器在给定样本上的误差;二是置信风险代表了在多大程度上可以信任分类器在未知文本上分类的结果。结构风险中包含的经验风险和置信风险,可以理解成训练误差和模型复杂度的问题。经验风险是模型在已有样本上的误差,置信风险中利用VC维对模型的复杂度进

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。

评论

0/150

提交评论