SVM

作者: 快乐自由拉菲犬 | 来源:发表于2019-05-27 22:37 被阅读175次

1.SVM Margin

一条好的分隔线的特征:最大化分隔线与最近点的举例


2. 什么对于SVM最重要?

分类正确是首要的。其次才会考虑尽可能大的间隔。


3. SVM对异常值的响应

choose to do the best as it can


4. 直观看看SVM的分类

决策边界是直线


5. 上面看到的svm分隔的是直线,那么对于非线性的分类呢??

它同样能搞定!

新特征可能是每个点与原点之间的直线距离。那么一个新的特征z出现了,就是度量这个距离的特征变量。


6. 练习创建新特征


7. 核技巧


8. 各种核

通过搜索sklearn svm svc 去查看kernel参数的信息:

可见,里面列出了linear, poly, rbf, sigmoid, precomputed, or a callable.


9. 核和伽玛 kernel & gamma (parameters)

小测试:


10.参数C代表了什么?


11.哪些参数对于防止过拟合有作用呢?

tunning 这些参数,正是机器学习的艺术所在。


12.手工查找最优参数?

GridCV,一种几乎能自动查找最优参数调整的优秀 sklearn 工具。

相关文章

网友评论

    本文标题:SVM

    本文链接:https://www.haomeiwen.com/subject/uwjhtctx.html