2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩16頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)挖掘導論,福建醫(yī)科大學鄭偉成,支持向量機,,支持向量機(Support Vector Machine,SVM)是Corinna Cortes和Vapnik等于1995年首先提出的,它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢,并能夠推廣應用到函數(shù)擬合等其他機器學習問題中。在機器學習中,支持向量機(SVM,還支持矢量網(wǎng)絡)是與相關的學習算法有關的監(jiān)督學習模型,可以分析數(shù)據(jù),識別模式,用于分類和回歸分析。,支持向量機(

2、SVM)是90年代中期發(fā)展起來的基于統(tǒng)計學習理論的一種機器學習方法,通過尋求結構化風險最小來提高學習機泛化能力,實現(xiàn)經(jīng)驗風險和置信范圍的最小化,從而達到在統(tǒng)計樣本量較少的情況下,亦能獲得良好統(tǒng)計規(guī)律的目的。    通俗來講,它是一種二類分類模型,其基本模型定義為特征空間上的間隔最大的線性分類器,即支持向量機的學習策略便是間隔最大化,最終可轉化為一個凸二次規(guī)劃問題的求解。,什么是支持向量機SVM,在講SVM之前,必須

3、先弄清楚一個概念:線性分類器算法   考慮一個兩類的分類問題,數(shù)據(jù)點用 x 來表示,這是一個 n 維向量,w^T中的T代表轉置,而類別用 y 來表示,可以取 1 或者 -1 ,分別代表兩個不同的類。一個線性分類器的學習目標就是要在 n 維的數(shù)據(jù)空間中找到一個分類超平面,其方程可以表示為,線性分類,一個二維平面(一個超平面,在二維空間中的

4、例子就是一條直線),如下圖所示,平面上有兩種不同的點,分別用兩種不同的顏色表示,一種為紅顏色的點,另一種則為藍顏色的點,紅顏色的線表示一個可行的超平面。,分類超平面,從上圖中我們可以看出,這條紅顏色的線把紅顏色的點和藍顏色的點分開來了。而這條紅顏色的線就是超平面,也就是說,這個超平面把這兩種不同顏色的數(shù)據(jù)點分隔開來,在超平面一邊的數(shù)據(jù)點所對應的 y 全是 -1 ,而在另一邊全是 1,分類超平面,應用分類函數(shù)顯

5、然,如果 f(x)=0 ,那么 x 是位于超平面上的點。我們不妨要求對于所有滿足 f(x)0 則對應 y=1 的數(shù)據(jù)點。,應用超平面進行分類,分類超平面,對于圖示數(shù)據(jù),無法找到一個二維超平面進行正確分類,非線性可分,線性不可分的高緯解,可以看到兩個支撐著中間間隔的超平面,它們到中間的純紅線到兩個分割平面的距離相等,即我們所能得到的最大的幾何距離,而“支撐”這

6、兩個超平面的必定會有一些點,而這些“支撐”的點便叫做支持向量Support Vector。,支持向量,很顯然,由于這些 supporting vector 剛好在邊界上,所以它們滿足 (Y的取值為1或-1)那么支持向量機的分類過程,就是找到這些支撐點過程,通過求解WT與B,學習建立分類器,支撐點,簡而言之:在線性不可分的情況下,支持向量機通過某種事先選擇的非線性映射(核函數(shù))將輸入

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論