DataWhale机器学习——第六章支持向量机学习笔记

第六章 支持向量机

6.1 间隔与支持向量 支持向量机(SVM)是一种二分类模型,通过最大化分类间隔找到最优分类超平面。支持向量是离决策边界最近的样本点。

6.2 对偶问题 对偶问题通过拉格朗日乘子法,将原始优化问题转换为对偶问题,使得求解高维空间中的最优超平面变得更为简单。

6.3 核函数 核函数用于将低维数据映射到高维空间,使得非线性可分问题在高维空间中变得线性可分。常见核函数有线性核、多项式核和高斯核。

6.4 软间隔与正则化 软间隔SVM通过引入松弛变量,允许一定的分类错误,提高模型的泛化能力。正则化参数用于平衡分类间隔和分类错误。

6.5 支持向量回归 支持向量回归(SVR)用于解决回归问题,通过引入ε不敏感损失函数,控制预测误差范围。

6.6 核方法 核方法广泛应用于各种机器学习算法中,如核PCA、核LDA等,通过核函数将线性方法扩展到非线性情况。

相关推荐
yanxy5124 分钟前
【TS学习】(15)分布式条件特性
前端·学习·typescript
lalapanda13 分钟前
UE5学习记录 part13
学习·ue5
高林雨露31 分钟前
Java对比学习Kotlin的详细指南(一)
java·学习·kotlin
齐尹秦1 小时前
HTML5 Web Workers 学习笔记
笔记·学习
DarkBule_2 小时前
零基础驯服GitHub Pages
css·学习·html·github·html5·web
余多多_zZ2 小时前
鸿蒙学习手册(HarmonyOSNext_API16)_应用开发UI设计:Swiper
学习·ui·华为·harmonyos·鸿蒙系统
淬渊阁3 小时前
汇编学习之《扩展指令指针寄存器》
汇编·学习
lalapanda3 小时前
UE5学习记录part12
学习·ue5
蹦蹦跳跳真可爱5893 小时前
Python----机器学习(基于PyTorch的线性回归)
人工智能·pytorch·python·机器学习·线性回归
并不会3 小时前
多线程案例-单例模式
java·学习·单例模式·单线程·多线程·重要知识