SVM
2020-04-07 12:15
976 查看
SVM做图像识别准确率能达到八十几
损失函数就是到分割超平面的距离
SVM 核函数概念简介:
https://blog.csdn.net/Wisimer/article/details/89573319?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522158511433319724811849788%2522%252C%2522scm%2522%253A%252220140713.130056874…%2522%257D&request_id=158511433319724811849788&biz_id=0&utm_source=distribute.pc_search_result.none-task
下面是吴恩达的见解:
- 如果Feature的数量很大,跟样本数量差不多,这时候选用LR或者是Linear Kernel的SVM
- 如果Feature的数量比较小,样本数量一般,不算大也不算小,选用SVM+Gaussian Kernel
- 如果Feature的数量比较小,而样本数量很多,需要手工添加一些feature变成第一种情况
libsvm提供了下列几个核函数:
linear:u’v
polynomial:(gammau’v + coef0)^degree
radial basis:exp(-gamma|u-v|^2)
sigmoid:tanh(gamma*u’*v + coef0)
代码:
https://www.cnblogs.com/albert-yzp/p/9525162.html
SVM中gridSearch 找出参数最优
https://blog.csdn.net/u012879957/article/details/82459315
- 点赞
- 收藏
- 分享
- 文章举报
相关文章推荐
- SVM-支持向量机算法概述
- 支持向量机通俗导论(理解SVM的三层境界)
- 用Python开始机器学习(8:SVM支持向量机)
- 支持向量机通俗导论(理解SVM的三层境界)
- 支持向量机 (SVM)分类器原理分析与基本应用
- 支持向量机SVM(一)
- 如何使用sklearn中的SVM
- EasyPR--开发详解(6)SVM开发详解
- 【学习笔记】SVM算法-松弛变量和最优化条件
- 图像车牌识别-SVM分类器的构建(字符识别部分)
- SVM之问题形式化
- 支持向量机SVM(二)
- svm理论与实验之2:线性分类器
- SVM
- Andrew Ng - SVM【2】一步步迈向核函数——拉格朗日、原问题与对偶问题
- SVM(六)将SVM用于多类分类
- 支持向量机通俗导论(理解SVM的三层境界)
- Python scikit-learn 学习笔记—PCA+SVM人脸识别
- 支持向量机(SVM)笔记
- Halcon 学习总结——基于动态阈值法、GMM(高斯混合模型)、SVM(支持向量机)的网状物缺陷检测