原创力文档- 1、本文档共7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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
支持向量机若干问题的研究共3篇
支持向量机若干问题的研究1
支持向量机若干问题的研究 支持向量机是一种常见的分类算法，在模式识别、机器学习等领域得到了广泛的应用。本文将探讨支持向量机的一些问题，包括模型选择、核函数选择、超参数调整等。 一、模型选择问题 支持向量机的模型选择包括选择核函数、正则化参数和核函数参数等。其中，正则化参数C是一个重要的超参数，它控制分类器的复杂度。较小的C值意味着更强的正则化，可减少过拟合的风险，但会降低分类的准确度。较大的C值则会使模型更强大，但过拟合的风险也会增加。 一些研究者提出了自适应正则化参数SMO和SMO+算法，SMO算法在每个样本处根据分类错误率
文档评论（0）