格式:pdf
大?。?span class="single-tag-height">193KB
頁數(shù): 16頁
(一) SVM的八股簡介 支持向量機 (Support Vector Machine) 是 Cortes 和 Vapnik 于 1995年首先提出 的,它在解決小樣本、 非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢, 并能夠 推廣應用到函數(shù)擬合等其他機器學習問題中。 支持向量機方法是建立在統(tǒng)計學習 理論的 VC 維理論和結構風險最小原理基礎上的, 根據有限的樣本信息在模型的 復雜性(即對特定訓練樣本的學習精度, Accuracy)和學習能力(即無錯誤地識 別任意樣本的能力) 之間尋求最佳折衷, 以期獲得最好的推廣能力 (或稱泛化能 力)。 以上是經常被有關 SVM 的學術文獻引用的介紹,有點八股,我來逐一分解并解 釋一下。 Vapnik 是統(tǒng)計機器學習的大牛,這想必都不用說,他出版的《 Statistical Learning Theory 》是一本完整闡述統(tǒng)計機器學習思想的名著。在該書中