0
6

你将收获

理解核函数、最大间隔、对偶、合页损失、不敏感损失等基本概念

运用SVM解决实际问题

适用人群

有一定数学和计算机编程基础,希望掌握SVM模型的学员

课程介绍

本章介绍SVM相关知识,并通过实例介绍SVM使用。

课程讨论

向量和矩阵 符号的表示不是很明确

同学笔记

  • Shaw_Shaw 2020-05-13 09:51:21

    来源:对偶问题 查看详情

    smo:序列最小优化方法。坐标轴下降法,对稀疏矩阵求解效果高效。

  • sinat_41475087 2020-01-14 23:57:43

    来源:带松弛变了的SVM模型: CSVM 查看详情

    -1,+1,可以是任意常数。

     完全线性可分(但间隔小)

     不完全线性可分(某些样本分布开)

    少量样本错分(但间隔大,这样更受欢迎。)软间隔。

     

  • qq_35252359 2019-08-23 06:42:00

    来源:对偶问题 查看详情

    了解拉格朗日乘子法的对偶性

     

     

    了解KKT条件(这怎么了解 完全不明白这是干嘛的

     

     

    理解SVM的对偶问题

     

     

    理解SVM中支持向量的概念及支持向量的稀疏性

     

     

     

没有更多了