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。

  1. Logistic Regression (逻辑回归)

  2. 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$O({n^3})$;

  3. Support Vector Machine (支持向量机):相比于Logistic RegressionNetural NetworkSupport 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.

SVM

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:

Logistic Regression_Cost Function

1.1.2 SVM Margin

SVM直观理解:增大Margin。SVM别名是Large Margin Classifier。

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。

SVM costfunction vs. margin

1.2 Kernels

Kenel(核函数):允许我们应用SVM做出复杂非线性的分割。

Kernel

Kernel详解

1.3 SVM实用建议

SVM实用建议

2 作业

这里。附上一张跑分图。

assignment6

3 总结

SVM总结

4 参考资料


Share Post

Twitter Google+

Shunmian

The only programmers in a position to see all the differences in power between the various languages are those who understand the most powerful one.