金宝app支持向量指的是识别分离超平面位置的训练观察的子集。针对二值分类问题,提出了标准的支持向量机算法,将多类问题简化为一系列二值分类问题。
类型的支持向量机 | 美世的内核 | 描述 |
---|---|---|
高斯或径向基函数 | \ (K (x_1、x_2) = \ exp \离开(- \压裂{\ | x_1——x_2 \ | ^ 2}{2 \σ^ 2}\)\) | 一个班学习。是核的宽度 |
线性 | \ (K (x_1、x_2) = x_1 ^ {\ mathsf {T}} x_2 \) |
两个类的学习。 |
多项式 | \ (K (x_1、x_2) = \离开(x_1 ^ {\ mathsf {T}} x_2 + 1 \右)^{\ρ}\) |
ρ\ (\ \)多项式的阶数是多少 |
乙状结肠 | \ (K (x_1、x_2) = \双曲正切\离开(\ beta_ {0} x_1 ^ {\ mathsf {T}} x_2 + \ beta_ {1} \) \) |
它是一个只有\(\beta_{0}\)和\(\beta_{1}\)值的mercer内核 |
训练支持向量机对应于求金宝app解a二次优化拟合超平面的问题,使类之间的软边界最小化。变换特征的个数由支持向量的个数决定。金宝app
重点:
- 金宝app支持向量机在许多分类和回归任务中都取得了良好的性能。
- 虽然支持向量金宝app机用于二进制分类,但您可以通过组合多个二进制分类器来构造多类支持向量机。
- 核使支持向量机更加灵活,能够处理非线性问题。
- 只需要从训练数据中金宝app选择支持向量来构造决策曲面。一旦经过训练,其余的训练数据就不相关了,从而产生了适合于自动代码生成的模型的紧凑表示。
例子
金宝app支持向量机还可以用于异常检测,方法是构造一个单类支持向量机,其决策边界使用离群阈值来确定一个对象是否属于“正常”类。在本例中,MATLAB根据离群值的目标分数作为参数将所有的例子映射到一个类,如下所示:fitcsvm(样本,(…),‘OutlierFraction’,…)。
图中显示了范围内分离的超平面OutlierFractions
用于人工活动分类任务中的数据。