学习SVM（支持向量机）
发布时间
阅读量：
阅读量
相关名词界定与解析
- 分类
- 模式识别
- 回归分析
- 最优分类边界
- 聚类分析
- 机器学习方法
- 非线性映射技术
- 松弛变量引入
- VC维理论
- 核函数：通过特定变换手段，使原本无法区分的数据样本实现可分或接近可分的状态。
2. SVM原理
“SVM方法是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中（Hilbert空间），使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。简单地说，就是升维和线性化。”
怎么理解上面这句话呢？
从上图可以看出，若需实现红色框与黑色框的分离，可借助一种非线性映射p，将原始样本空间转换至特征空间，进而使原本无法分类的问题转变为可分类的状态。
LIBSVM简介与功能概述
LIBSVM是林智仁等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，不但提供了编译好的可Windows系列系统的执行文件，还提供了源代码，方便改进、修全部评论 (0)
还没有任何评论哟~