- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
支持向量机简介第10讲Outline
机器学习及应用
Machine Learning Its Application Outline
第10 讲 最佳分类超平面
结构风险最小化(SRM)
支持向量机简介 SVM及训练算法
支持向量机简介
非线性可分情况下的SVM
A Brief Introduction to SVM
多类SVM及SVM应用
主讲:金连文
Lianwen.Jin@
1
2
SVM的历史回顾
Pre 1980:
– Almost all learning methods learned linear decision
surfaces.
– Linear learning methods have nice theoretical
properties
1980’s
一、最佳分类超平面 – Decision trees and NNs allowed efficient learning of
nonlinear decision surfaces
– Little theoretical basis and all suffer from local minima
1990’s:Development of SVM theory (Vapnik, etal)
– Efficient learning algorithms for non-linear functions
based on computational learning theory develope
文档评论(0)