机器学习笔记:支持向量机(svm)
2024-09-29 02:13:30
支持向量机(svm)英文为Support Vector Machines
第一次接触支持向量机是2017年在一个在线解密游戏“哈密顿行动”中的一个关卡的二分类问题,用到了台湾教授写的svm库libsvm ‘C#’版。支持向量机在深度学习之前统治了机器学习近10年,机器学习有个没有免费的午餐定理,意思是说没有一个算法在任何情况下都是最好的。
支持向量机的优势
- 泛化性能比较好, 不容易过拟合
- 可以在较少的数据下取得好的性能
- 存在全局最优解
- 存在高效实现的训练算法
- 可以使用kernel trick处理非线性的问题
- 理论非常完美
缺点
- 当数据量特别大时,训练比较慢
SVM: 好的分割线具有最大间隔
svm是一个线性分类器,wx+b=0 wx+b=-1 wx+b=1,线性不可分的情况下使用松弛变量
k类扩展SVM到支持多个类别的方法:
- 1对其他分类 :需要k个支持向量机,
- 1对1分类:需要1+2+3+...+k=k*(k-1)/2个svm
Hinge Loss(合页损失函数)
将特征映射到更高的维度
最新文章
- iOS: 为画板App增加 Undo/Redo(撤销/重做)操作
- word20161216
- Nginx密码验证 ngx_http_auth_basic_module模块
- [NOIP2012] 提高组 洛谷P1079 Vigenère 密码
- Linux_磁盘管理
- Foundation框架基本数据类型
- oracle查看最大长度
- Confluence Wiki Markup &; Markdown
- JNI 系统钩子
- [0] 错误1“GenerateResource”任务意外失败。....
- python基础===Python性能优化的20条建议
- 个人作业2——英语学习APP的案例分析
- 没什么技术含量的Remove Before Flight
- 如何使用《DB 查询分析器》高效地生成旬报货运量数据
- TCP/IP详解 卷1 第一章概述
- gitlab的rack-attack机制和如何设置白名单的记录
- python学习 day1 (3月1日)
- MapGIS10.3新功能
- 43 HTML CSS
- webstorm修改文件,webpack-dev-server及roadhog不会自动编译刷新