基于最大margin决策树归纳的研究.pptVIP

Hebei University whhlpo@163.com Hebei University 基于最大margin决策树归纳的研究 王海波 符号学习研究组 第一页，共十八页。 报告提纲 国内外研究现状 存在问题 研究目的与意义 实现思路 进一步的工作 第二页，共十八页。 国内外研究现状之SVM SMO算法 （Platt 1998） 聚类SVM （Boley 2004） Margin Tree （Tibshirani 2007） SVM的提出（Vapnik 1995） 第三页，共十八页。 聚类SVM 返回 第四页，共十八页。 Margin Tree 第五页，共十八页。 国内外研究现状之SVM反问题 SVM反问题求解——遗传算法 SVM反问题求解——K-means聚类 SVM反问题在决策树中的应用 SVM反问题的提出 第六页，共十八页。 SVM反问题在决策树中的应用 基于最大margin的决策树归纳 求解SVM反问题 获得具有最大margin 的最优超平面 第七页，共十八页。 存在问题 时间复杂度 SVM反问题的求解 SMO SVM反问题 聚类解决SVM反问题 第八页，共十八页。 研究目的与意义 目的： 使SVM反问题的求解在多项式时间内完成，使决策树的训练时间大大缩短。 意义： 由于训练过程的加快，使得基于Margin的决策树归纳可以得到更广泛的应用 第九页，