SMO算法草稿
2014-01-15 14:54
141 查看
负类正常情况Ei<0
负类一旦越过负支持平面,0<Ei<1
负类一旦越过超平面,Ei>1
负类一旦越过正支持平面Ei>2
正类正常情况Ei>0
正类一旦越过正支持平面,-1<Ei<0
正类一旦越过超平面,Ei<-1
正类一旦越过负支持平面Ei<-2
负类在支持平面之间 0<Ei<2
正类在支持平面之间 -2<Ei<0
也就是Ei*yi 在0到-2之间
负类一旦越过负支持平面,0<Ei<1
负类一旦越过超平面,Ei>1
负类一旦越过正支持平面Ei>2
正类正常情况Ei>0
正类一旦越过正支持平面,-1<Ei<0
正类一旦越过超平面,Ei<-1
正类一旦越过负支持平面Ei<-2
负类在支持平面之间 0<Ei<2
正类在支持平面之间 -2<Ei<0
也就是Ei*yi 在0到-2之间
相关文章推荐
- vm调整相关算法(草稿)
- SVM——(七)SMO(序列最小最优算法)
- elvish ray新算法框架草稿
- 机器学习笔记3:支持向量机的SMO高效优化算法
- 自己在libSvm中SMO算法中KKT条件的理解误区(还不确定)
- SMO算法介绍
- 支持向量机—SMO论文详解(序列最小最优化算法)
- smo算法的c++实现
- Brief算法分析(草稿)
- sift--算法学习 2012 年5月草稿
- Sequential Minimal Optimization (SMO) 算法
- 《机器学习:算法原理与编程实践》的读书笔记:SMO部分最难,大部分代码基于Scikit-Learn,决策树其实用处不大
- py2.7 : 《机器学习实战》 SVM支持向量机:1.26号 6-1 SMO算法简化版
- Andrew Ng机器学习笔记+Weka相关算法实现(六)SMO/LibSVM/SVM参数
- 用SMO算法优化垃圾标签检测模型
- note:SMO算法存在致命缺陷
- 草稿 -算法问题的历史。
- 解密SVM系列(三):SMO算法原理与实战求解
- Platt SMO 和遗传算法优化 SVM
- 序列最小最优化算法 SMO