原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于的中文文本分类原型支持向量机是和于年首先提出的它在解决小样本非线性及高维模式识别中表现出许多特有的优势并能够推广应用到函数拟合维理论和结构风险维理论和结构风险即对特定训练样本的学习精度最小原理基础上的根据有限的样本信息在模型的复杂性即对特定训练样本的学习精度和学习能力即无错误地识别任意样本的能力之间寻求最佳折衷以期获得最好的推广能力或称泛化能力理论的学习请参考的博客是台湾大学林智仁博士等开发设计的一个操作简单易于使用快速有效的通用软件包可以解决分类问题包括回归问题包括以及分布估计等问题提供了
基于libsvm的中文文本分类原型
支持向量机（Support Vector Machine） 是Cortes和Vapnik于1995年首先提出的，它在解
决小样本、非线性及高维模式识别中表现出许多特有的优势， 并能够推广应用到函数拟合
VC维理论和结构风险
VC维理论和结构风险
（即对特定训练样本的学习精度,最小 原理基础上的，根据有限的样本信息在模型的复杂性
（即对特定训练样本的学习精度,
Accuracy ）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得 最好的推广能力（或称泛化能力）。 SVM理论的学习，请参考jasper的博客。
LIBSVM是台湾大学林智仁（C
文档评论（0）