支持向量机(Support Vector Machine,SVM)
2024-10-19 23:41:32
SVM:
1. 线性与非线性 核函数;
2. 与神经网络关系 置信区间结构;
3. 训练方法;
4.SVM light,LS-SVM;
5. VC维
u-SVC 与 c-SVC 区别?
除参数不同外,两者基本一样。
c-SVC c∈(0,∞)
u-SVC c∈[0,1]
c是一个很好的特征,它与支持向量的比率和训练误差的比率 相关。
SVM求解QR问题中,变量维数=训练样本个数。从而使其中矩阵元素的个数 是 训练样本个数的平方。
SVM标准算法中,需要求解复杂的QP问题,理论上获全局最优解,并且 大部分 拉格朗日乘子 均为0.,使得最终的决策只依赖于少数 支持向量;使SVM方法中解显示出稀疏的特点。
在LS-SVM中,由于其优化问题的目标函数使用了误差平方项,以及等式约束条件,将SVM的QP问题转化为一组 线性方程组 求解,使得Lagrange乘子与误差项成比例关系,直接的后果就使得最终决策函数与所有样本都有关,也就失去了SVM方法中解的稀疏性的特点。但是LS-SVM方法通过对最终求解得到的Lagrange乘子进行排序,并使用“修剪”算法,仍然可以在一定程度上 实现解的稀疏性。
最新文章
- HTML5笔记1——HTML5的发展史及标签的改变
- memcache的内存管理探微
- Oracle Database 11g Release 2(11.2.0.3.0) RAC On Redhat Linux 5.8 Using Vmware Workstation 9.0
- android studio 2.2.2下fragment的创建和跳转
- C# winform生成天气预报(转)
- DropDownList另一种写法
- Oracle RAC集群安装之:Grid软件安装过程蓝屏
- svn代码统计
- QT中的OpcDa 客户端 实现
- I NEED A OFFER!
- java.lang.VerifyError: Inconsistent stackmap frames at branch target
- 如何灵活使用 ActionBar, Google 音乐ActionBar 隐藏和显示效果
- 什么是umbraco
- 设置控件全局显示样式 appearance
- 【原创】bootstrap框架的学习 第七课 -[bootstrap表格]
- AOJ/堆与动态规划习题集
- Java Web应用集成OSGI
- [SCOI 2016]幸运数字
- C# - LINQ 表达式树
- Java正则解析HTML一例