3.支持向量机(回归).docx

下载文档 降价啦

15
0
约7.54千字
约 13页
2020-09-30 发布于天津
举报
版权申诉
保障服务

3.支持向量机(回归).docx

1、本文档共13页，其中可免费阅读4页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

支持向量机回归支持向量机支持向量机是美国教授于年代提出的年代后成为了很受欢迎的机器学习方法它将输入样本集合变换到高维空间使得其分离性状况得到改善它的结构酷似三层感知器是构造分类规则的通用方法方法的贡献在于它使得人们可以在非常高维的空间中构造出好的分类规则为分类算法提供了统一的理论框架作为副产品从理论上解释了多层感知器的隐蔽层数目和隐节点数目的作用因此将神经网络的学习算法纳入了核技巧范畴所谓核技巧就是找一个核函数使其满足代替在特征空间中内积的计算因为对于非线性分类一般是先找一个非线性映射将输入数据

PAGE PAGE # / 12'. 3.支持向量机(回归) 3.1.1 支持向量机支持向量机(SVM是美国Vapnik教授于1990年代提出的，2000年代后成为了很受欢迎的机器学习方法。它将输入样本集合变换到高维空间使得其分离性状况得到改善。它的结构酷似三层感知器，是构造分类规则的通用方法。 SVh方法的贡献在于，它使得人们可以在非常高维的空间中构造出好的分类规则，为分类算法提供了统一的理论框架。作为副产品， SVM从理论上解释了多层感知器的隐蔽层数目和隐节点数目的作用，因此，将神经网络的学习算法纳入了核技巧范畴。所谓核技巧，就是找一个核函数 K(x, y)使其