深入SVM

比较系统讲解SVM的理论知识


SVM  是在逻辑回归的基础上发展的,分割面需要间隔最大


逻辑回归

深入SVM_第1张图片

SVM

深入SVM_第2张图片

Robustness(选择MARGIN 最大的原因)

深入SVM_第3张图片

SVM 要把正确分类第一位,,然后才考虑间隔距离



深入SVM_第4张图片

SVM OUTLIERS

Outliers 有另外文章详细介绍


深入SVM_第5张图片

目前大部分python算法库都能够自动忽略掉outliers(异常值)


下面是一些技巧(留意:SVM 是线性分割的)


有些教程也叫Kernel Trick,,增加一个feature 引入Z轴平面

add feature z = x*x +y*y

深入SVM_第6张图片

Add feature : z = !x!

深入SVM_第7张图片

升维SVM解决然后降维变成非线性的,,

深入SVM_第8张图片


SVM 算法使用中的参数

 kernel

gamma

C

深入SVM_第9张图片


深入SVM_第10张图片

SVM 中导致overfitting 的原因

         三个参数调的不对

深入SVM_第11张图片

总结SVM使用场合:

 适用于分类问题,有清晰的分界面 

 数据集过大的时候不适用

噪音过多的时候,效果不好



人工智能技术文章list

你可能感兴趣的:(深入SVM)