1、离群点 在最开始讨论支持向量机的时候，我们就假定，数据是线性可分的，亦即我们可以找到一个可行的超平面将数据完全分开。后来为了处理非线性数据，...
投稿
收录了6篇文章 · 5人关注
-
SVM系列第十讲--离群点处理 -
SVM系列第八讲--原始问题求解
在前面的两讲中，我们分别介绍了拉格朗日乘子法和在有不等式约束情况下最优解必须满足的KKT条件，接下来我们就可以利用这些来求解我们的最大间隔分类器...
-
SVM系列第六讲--拉格朗日乘子法
在前面的几讲中，我们终于引出了支撑向量的概念，同时得到了求解最大间隔分类器的目标规划式，接下来，我们就要对该式进行求解，但在正式求解之前，我想介...
-
SVM系列第五讲--支撑向量上一讲中我们介绍了最大间隔分类器的概念，这一节，我们介绍一下什么是支撑向量： 1、支撑向量 支撑向量的英文名叫supporting vector...
-
SVM系列第四讲--最大间隔分类器上一节，我们了解了函数间隔和几何间隔的概念，明确了我们要使用几何间隔来计算数据点到超平面的距离，这一节，我们将最大间隔分类器的概念。 1、最大间...
-
SVM系列第三讲--函数间隔和几何间隔上一节我们讲到，我们要像线性分类器一样找到一个超平面，不仅能够对数据点进行一个准确的分隔，同时我们希望所有的点尽量都能够远离我们的超平面，即所有...
专题公告
支持向量机
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/550102/1508348860.jpg', '推荐专题《SVM》（ 分享自 @简书 ）','https://jianshuapi.com/c/a654e6f9c364?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','页面编码gb2312|utf-8默认gb2312'));){kind=link}