目录
1 支持向量机
1.1 支持向量机介绍
机器学习的分类算法有以下主要三种。
-
Logistic Regression (逻辑回归);
-
Netural Network (神经网络):用于减少Logistic Regression带来多项式Feature个数的复杂度的问题。例如2次项复杂度是$O(\frac {n^2} 2)$,3次项的复杂度是$O({n^3})$;
-
Support Vector Machine (支持向量机):相比于Logistic Regression和Netural Network,Support Vector Machine有时候可以提供更清晰和强大的方式来学习复杂的非线性函数。
SVM:are supervised learning models with associated learning algorithms that analyze data used for classification and regression analysis.
1.1.1 SVM成本函数
对于Logistic Regression,它的成本函数是:
我们用另一种cost function:
1.1.2 SVM Margin
SVM直观理解:增大Margin。SVM别名是Large Margin Classifier。
1.1.3 SVM 成本函数最小值和Margin关系
为获得$J_{\theta}$最小值。
1.2 Kernels
Kenel(核函数):允许我们应用SVM做出复杂非线性的分割。
1.3 SVM实用建议
2 作业
见这里。附上一张跑分图。