- 1、本文档共6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
第05章支持向量机
学习II标
函数间隔
几何间隔
对偶问题
线性支持向量机
非线性支持向量机
序列最小优化算法
5.1引言
支持向量机(supportvectormachine,SVM)是一种基于统计学习理论
(StatisticalLearningTheory,SLT)的监督学习方法。
支持向量机在各个领域内的模式识别问题中都有广泛应用,包括人脸识别、
文本分类、笔迹识别等。它不仅在解决小样本、非线性及高维模式识别等问
题中表现出了许多特有的优势,同时在函数模拟、模式识别和数据分类等领
域也取得了极好的应用效果,是机器学习最成功的算法之一。
台湾大学资讯工程研究所开发的LIBSVM是使用最广的SVM工具,包含标
准SVM算法、概率输出、支持向量回归、多分类SVM等功能,其源代码由C
编写,并有JAVA、Python、R、MATLAB等语言的调用接口等。
scikit-learn提供预封装的SVM工具,其设计参考了LIBSVM。
5.1引言
1963年,前苏联学者VladimirN.Vapnik和AlexanderY.Lernerjt研究模式识别
的广义肖像算法(generalizedportraitalgorithm)中提出支持向量方法。
1964年,他们进一步建立了函数间隔(硬边距)的线性SVM。并于上世纪70
年代,随着最大边距决策边界的理论研究、基于松弛变量的规划问题求解技术
以及SVM
的出现,VC维的提出,被逐步理论化并称为统计学习理论的重要组成
部分。
1992年,BernhardE.Boser,IsabelleM.Guyon和VladimirN.Vapnik运用核技
巧(kerneltrick)最大化边缘平面,解决非线性分类器的方法。
1995年,VladimirN.Vapnik提出了统计学习理论,较好地解决了线性不可分
的问题,正式奠定了SVM的理论基础。
5.6综合案例
ax.set_title(SVC_sigmoid_r)
ax.set_xlabel(rr)
ax.set^ylabelf^score)
ax.set_ylim(0,1.05)
ax.legend(loc=best,framealpha=0.5)
pltshowQ
if_name_==_main_:
X_train,X_test,y_train,y_test=load_data_classficationO
test_SVC_linear(X_train,X_test,y_train,y_test)
test_SVC_poly(X_train,X_test,y_train,y_test)
test_SVC_rbf(X_train,X_test,y_train,y_test)
test_SVC_sigmoid(X_train,X_test,y_train,y_test)
Coefficients:[[-00-0-0
[00-0-0
[00-1-2],intercept[2.0368826
1.15129246.3276538]
Score:1.00
poly核函数rbf核函数
您可能关注的文档
- 机械设备租赁合同(完整版).pdf
- 机械设备租赁合同(最新版).pdf
- 机械设备租赁合同范本(经典版).pdf
- 机械设备租赁合同范本(通用版).pdf
- 机械设备租赁合同范本3篇.pdf
- 基坑安全等级划分及常见支护形式.pdf
- 基于Python的接口自动化测试实例.pdf
- 基于谐波分析的高压并联电容器组保护研究.pdf
- 急性脑卒中救治流程.pdf
- 计算机网络信息安全8.pdf
- Module5单词默写课件七年级英语上册(完整版)3.pptx
- Unit4Whereismycar?PartB(课件)人教PEP版英语三年级下册.pptx
- 江苏省部分市高一上学期期末考试英语试题汇编完形填空.docx
- Unit1HowcanwebeegoodlearnersSectionB2a2e课件人教版英语九年级全册(1).pptx
- 中国历史上的政治思想和社会伦理.pptx
- 六年级作文集_2(完整版).pptx
- Unit3BacktothePastIntegratedskills课件高中英语译林版(2020)选择性.pptx
- Module3Unit2OnMondayI’llgoswimming.(课件)英语四年级下册(精).pptx
- 2024年安徽高考化学新题精选仿真模拟卷6.docx
- Unit3It'sapineapple.Lesson16(课件)人教精通版英语四年级上册.pptx
最近下载
- 第十三章 电磁感应与电磁波初步 学情分析 内容与价值分析 单元小结--高二上学期物理人教版(2019)必修第三册.docx
- 江苏省宿迁市2024届高三下学期三模试题 地理 Word版含答案.docx
- 湘科版科学五年级上册全册教案(含反思) .pdf
- 冀少版七年级上册生物全册新质教学课件(配2024年秋改版教材).pptx
- 形状记忆高分子_智能高分子.ppt VIP
- 2024年新人教版八年级上册物理教学课件 5.5 跨学科实践:制作望远镜.pptx
- DA98B用户手册_V2.01.pdf
- 叶红玉《报关实务(第4版)》3(项目三进出口税费核算).ppt VIP
- 部编版语文一年级上册第一二单元核心素养教案(表格版).docx
- 护理质量控制与改进.docx
文档评论(0)