支持向量机 Support Vector Machine 概念
2013-06-28 09:04
393 查看
应用————分类&识别 等——可应对高维数据,避免维数灾难问题
特点————使用训练实例的一个自己来表示决策边界,该子集称为“支持向量”
概念
决策边界:可分类不同类样本的超平面。
分类器的边缘:两个超平面之间的距离。
最大边缘超平面:一个决策边界对应的两个超平面之间的距离(边界)最大, 具有较好的泛化能力。
最大边缘的基本原理:具有较大边缘的决策边界比男鞋具有较小边缘的决策边界具有更好的泛化误差
* 线性/ 非线性 支持向量机
特点————使用训练实例的一个自己来表示决策边界,该子集称为“支持向量”
概念
决策边界:可分类不同类样本的超平面。
分类器的边缘:两个超平面之间的距离。
最大边缘超平面:一个决策边界对应的两个超平面之间的距离(边界)最大, 具有较好的泛化能力。
最大边缘的基本原理:具有较大边缘的决策边界比男鞋具有较小边缘的决策边界具有更好的泛化误差
* 线性/ 非线性 支持向量机
相关文章推荐
- 5.1 支持向量机SVM(support Vector Machine)算法概念(上)
- (十一)机器学习中的一个常用算法SVM算法,即支持向量机Support Vector Machine(SVM)
- 机器学习之支持向量机SVM Support Vector Machine (四) SMO算法
- paper 5:支持向量机系列二: Support Vector —— 介绍支持向量机目标函数的 dual 优化推导,并得出“支持向量”的概念。
- 【机器学习实战】第6章 支持向量机(Support Vector Machine / SVM)
- R语言高级算法之支持向量机(Support Vector Machine)
- 支持向量机(Support Vector Machine)-----SVM之SMO算法(转)
- SupportVectorMachine支持向量机
- 支持向量机(Support Vector Machine)
- 支持向量机(Support Vector Machine)
- 机器学习之支持向量机SVM Support Vector Machine (六) 高斯核调参
- 机器学习技法总结(一):支持向量机(linear support vector machine,dual support vector machine)
- 机器学习(3)——支持向量机(Support Vector Machine)
- Matlab: Support Vector Machine (SVM 支持向量机)
- 支持向量机(support vector machine)--模型的由来
- 支持向量机(Support Vector Machine,SVM)
- 支持向量机(Support Vector Machine)
- 林轩田--机器学习技法--SVM笔记4--软间隔支持向量机(Soft-Margin Support Vector Machine)
- 机器学习之支持向量机(Support Vector Machine)(更新中...)
- 机器学习之支持向量机SVM Support Vector Machine (一) 线性SVM模型与软硬间隔