SVM算法理论

手把手教你机器学习之支持向量机

1.支持向量机SVM的基本原理：SVM就是解决线性不可分的算法。
爱却晚秋�·2023-03-08 22:14

八、3月5日-关于《手机行为识别》近日问题和解决方法

第一个问题：为什么数据集用SVM网格搜索可以得到良好结果数据集构建本数据集是通过实验采集，变量控制良好，原始数据良好。
小常在学习·2023-03-08 21:33

HOG特征详解与行人检测

HistogramofOrientedGradient)特征在对象检测与模式匹配中是一种常见的特征提取算法，是基于本地像素块进行特征直方图提取的一种算法，对象局部的变形与光照影响有很好的稳定性，最初是用HOG特征来来识别人像，通过HOG特征提取+SVM
小白学视觉·2023-03-01 07:50

【目标检测】入门基础原理学一遍就够了吧

目标定位实现的思路1.4两种bbox名称解释2R-CNN2.1目标检测-Overfeat模型2.2目标检测-R-CNN模型2.2.1候选区域（ROI）2.2.2CNN网络提取特征2.2.3特征向量训练分类器SVM2.2.4
我菜就爱学·2023-03-01 07:13

自适应变异粒子群matlab,一种自适应变异粒子群优化算法的制作方法

本算法属于数据挖掘领域，涉及到SVM分类器和参数寻优，特别涉及到其变异操作，使得能够最大限度的搜索到全局最优解。
菠萝虎·2023-02-26 07:41

【阿旭机器学习实战】【34】使用SVM检测蘑菇是否有毒--支持向量机

本文依据蘑菇的一些特征参数，使用SVM训练模型，用于检测蘑菇是否有毒(p)或者可以吃(e).为两个类别的分类问题。
阿_旭·2023-02-25 08:53

目标检测（五）基于SVM的目标分类

目录SVM原理SVM模型训练过程基于SVM的行人检测实战（1）OpenCV自带行人检测器实现行人检测（2）利用opencv实现HOG检测器的自定义数据训练支持向量机（supportvectormachines
失了志的咸鱼·2023-02-25 07:03

选择最佳机器学习模型的10步指南

分类问题:逻辑回归、决策树分类器、随机森林分类器、支持向量机(SVM)、朴素贝叶斯分类器或神
·2023-02-24 11:23

实战5：基于逻辑回归、SVM 等算法预测用户信用评分 代码+数据

1.案例概述任务描述：信用评分卡模型在信用风险评估及金融风控领域得到广泛的应用，是一种以分数的形式来对用户进行评估的方法，通常评分越高代表用户的信用越好，从而风险也就越小。常见的信用评分卡有：A卡（申请评分卡）、B卡（行为评分卡）、C卡（催收评分卡）等，三者分别侧重贷前、贷中、贷后三个阶段，具体含义如引用所示。本案例选用的数据集主要涉及借款人的行为评级，因此任务是建立行为评分卡模型，该评分卡可以根
数学是算法的灵魂·2023-02-24 07:28

R语言气象模型集成预报技术：神经网络、回归、svm、决策树用环流因子预测降雨降水数据

全文链接：http://tecdat.cn/?p=31664原文出处：拓端数据部落公众号随着天气预报技术的发展，数值预报产品日益丰富，预报方法多种多样。我们被客户要求撰写关于气象集成预报技术的研究报告，包括一些图形和统计输出。在实际应用中，对每个具体的问题，各种预报方法得出的结果通常是不一致的，因而不知道如何将它们统一起来。因此需要采用一种较好的处理方法，把不同预报方法对同一要素的多种预报结果综合
·2023-02-23 23:36

FRE 和 随机森林 特征重要性

#使用ref进行特征选择fromsklearn.linear_modelimportLinearRegression,Ridgefromsklearnimportsvmfromsklearn.feature_selectionimportRFElr
萌新待开发·2023-02-22 13:52

李飞飞CS231n关于hinge loss函数求导的问题

在做CS2312020Assignment1的SVM部分时，遇到了关于hingeloss的求梯度（求导）编程实现的问题，故在此记录一下。
JackTheWhite·2023-02-22 09:20

Caffe Loss层 - HingelossLayer

HingelossLayer计算one-of-many分类任务的hingeloss.HingeLoss概念定义为：E(z)=max(0,1−z)E(z)=max(0,1−z)常用在SVM的最大化间隔分类中
AIHGF·2023-02-22 09:49

损失函数(Loss Function) -1

pdfLossFunction损失函数可以看做误差部分(lossterm)+正则化部分(regularizationterm)1.1LossTermGoldStandard(idealcase)Hinge(SVM
三更灯火五更鸡·2023-02-22 09:15

常见损失函数

-1损失函数(zero-oneloss)绝对值损失函数(Absoluteloss)log对数损失函数(LogLoss)平方损失函数(SquareLoss)指数损失函数(ExponentialLoss)SVM
Dreamcreationman·2023-02-22 09:40

R-CNN 阅读笔记

在阅读过程中，找了不少相关的资料来弄清楚比较细节的东西，其中hjimce的博客中，对于细节的理解要更全面一些，比如文中没有具体阐述的非极大值抑算法、对于fine-tuning、训练CNN和SVM的时候标签的定义和设计的思考
programmingfool5·2023-02-22 07:44

基于SVM算法的人脸表情识别

一：下载实验所需要的包：pipinstallscikit-imagepipinstallplaysoundpipinstallpandaspipinstallsklearn二：图片预处理：将人脸检测出来并对图片进行裁剪importdlib#人脸识别的库dlibimportnumpyasnp#数据处理的库numpyimportcv2#图像处理的库OpenCvimportos#dlib预测器detec
今年又秃头了·2023-02-21 07:13

机器学习：支持向量机SVM

支持向量机（SVM，也称为支持向量网络），是机器学习中获得关注最多的算法没有之一。它源于统计学习理论，与集成算法一样，也是强学习器。
Zen of Data Analysis·2023-02-21 07:39

人脸识别SVM

目录一.实验准备二、Dlib提取人脸特征2、微笑识别4、相机检测模型三、参考博客一.实验准备下载实验所需包pipinstallscikit-imagepipinstallplaysoundpipinstallpandaspipinstallsklearn二、Dlib提取人脸特征#从人脸图像文件中提取人脸特征存入CSV#Featuresextractionfromimagesandsaveintof
Chleto·2023-02-21 07:38

机器学习：基于支持向量机（SVM）进行人脸识别预测

机器学习：基于支持向量机（SVM）进行人脸识别预测文章目录机器学习：基于支持向量机（SVM）进行人脸识别预测一、实验目的二、实验原理三、实验环境四、实验内容五、实验步骤1.准备数据2.业务理解3.数据理解
AOAIYII·2023-02-21 07:04

超声三维重建算法研究

阿远学长在今天给大家详细讲解一下关于基于像素的算法理论。基于像素的算法(PBM)基于像素的三维重建算法也被称为**“用像素找体素”**的方法，其基本流程包括两个阶段
AI阿远学长·2023-02-18 07:16

支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例|附代码数据

支持向量回归（SVR）是一种回归算法，它应用支持向量机（SVM）的类似技术进行回归分析。
·2023-02-18 00:56

支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例|附代码数据

支持向量回归（SVR）是一种回归算法，它应用支持向量机（SVM）的类似技术进行回归分析。
·2023-02-18 00:55

基于蜣螂算法优化的lssvm回归预测-附代码

基于蜣螂算法优化的lssvm回归预测-附代码文章目录基于蜣螂算法优化的lssvm回归预测-附代码1.数据集2.lssvm模型3.基于蜣螂算法优化的LSSVM4.测试结果5.Matlab代码摘要：为了提高最小二乘支持向量机
智能算法研学社（Jack旭）·2023-02-17 13:00

基于蜣螂算法优化的SVM回归预测-附代码

基于蜣螂算法优化的SVM回归预测文章目录基于蜣螂算法优化的SVM回归预测1.数据集3.模型处理4.基于蜣螂搜索的SVM回归预测5.测试结果：6.参考文献7.matlab代码摘要：利用蜣螂搜索算法对SVM
智能算法研学社（Jack旭）·2023-02-17 13:00

基于蜣螂算法优化的SVM数据分类预测-附代码

基于蜣螂算法优化的SVM数据分类预测-附代码文章目录基于蜣螂算法优化的SVM数据分类预测-附代码1.数据集2.SVM模型建立3.基于蜣螂算法优化的SVM4.测试结果5.参考文献：6.Matlab代码7.
智能算法研学社（Jack旭）·2023-02-17 13:30

基于神经网络的数字识别,语音识别深度神经网络

对于MNIst数据集（28*28的手写数字），2层神经网络准确率可达99%，svm也有98%以上。以上实现非常简单，matlab已经有现成工具箱。
小明技术分享·2023-02-17 13:16

R语言梯度提升机 GBM、支持向量机SVM、正则判别分析RDA模型训练、参数调优化和性能比较可视化分析声纳数据|附代码数据

阅读全文：http://tecdat.cn/?p=24354最近我们被客户要求撰写关于分析声纳数据的研究报告，包括一些图形和统计输出。在本文中，介绍简化模型构建和评估过程caret包的train函数可用于使用重采样评估模型调整参数对性能的影响在这些参数中选择“最佳”模型从训练集估计模型性能首先，必须选择特定的模型。调整模型的第一步是选择一组要评估的参数。例如，如果拟合偏最小二乘(PLS)模型，则必
·2023-02-17 00:46

【机器学习实战-7章】利用AdaBoost元算法提高分类性能

7.1基于数据集多重抽样的分类器前面我们介绍了五种不同的分类算法：KNN、决策树、贝叶斯、Logistic回归以及SVM，我们可以将
唐生一·2023-02-17 00:08

6.集成算法boosting----AdaBoost算法

1.提升算法提升算法实为将一系列单一算法（如决策树，SVM等）单一算法组合在一起使得模型的准确率更高。
aizhua3368·2023-02-16 23:37

机器学习实现图像分类（简单易上手） SVM KNN 决策树 朴素贝叶斯 机器学习作业

机器学习实现图像分类SVMKNN决策树朴素贝叶斯重要提示：本文仅仅靠调用python的sklearn中的模型包实现机器学习方法，不喜勿喷代码主要参考并改进https://blog.csdn.net/Eastmount
chestnut栗子·2023-02-16 21:22

基于机器学习SVM KNN的动作识别系统 毕业设计 附完整代码

电视1等模拟智能家电，并以按钮的形式表名了该家电的状态，点击学习列表的某一按钮，向服务器发送一条学习指令，服务器的动作学习模块，会将最新的动作数据TO_PREDICT和该学习指令对应起来，作为一条新的SVM
程序员uu·2023-02-16 21:45

用初次训练的SVM+HOG分类器在负样本原图上检测HardExample

HardInstance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报，把这些误报的矩形框保存为图片，加入到初始的负样本集合中，重新进行SVM
amulet0703·2023-02-16 21:23

10- SVM支持向量机 (SVC) (算法)

支持向量机（supportvectormachines,SVM）是一种二分类算法，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，如果对应的样本特征少，一个普通的SVM就是一条线将样本分隔开
处女座_三月·2023-02-16 20:13

机器学习——一些名词解释(适用于刚开始接触机器学习)

监督式学习的算法有决策树学习,SVM,KNN等回归分析和统计分类的算法。非监督式学习(Unsupervisedlearnin
如果可以请叫我小潘潘·2023-02-07 11:29

python3 has_key() 的问题 AttributeError: type object dict has no attribute has_key

想要不报错，分为两步：第一：在a.pyx文件里修改方式一：#把这个代码assertsvm_data.has_key("scores")#换成这个assertsvm_data.
dannyle·2023-02-07 11:30

第一篇 交叉验证器

我们以训练一个svm模型，然后验证它在测试集上的准确率为例：fromsklearnimportdatasets,svmdigits=datasets.load_digits()X_digits=digits.datay_digits
翻滚牛犊·2023-02-07 08:43

Datawhale组队学习之西瓜书task5

第六章支持向量机6.1SVM基本型6.1.1基本型给定训练样例集D={(x1,y1),(x2,y2),⋯ ,(xm,ym)},yi∈{−1,+1}D=\{(\boldsymbolx_1,y_1),(\boldsymbolx
legnAray·2023-02-06 20:45

SVM调参经验

转自http://www.cnblogs.com/pinard/p/6117515.html在支持向量机(以下简称SVM)的核函数中，高斯核(以下简称RBF)是最常用的，从理论上讲，RBF一定不比线性核函数差
乖乖猪001·2023-02-06 17:42

SVM二分类和多分类问题的关键指标（二）

上一篇中讲到的二分类问题关键指标（precision、recall、accuracy、F1-score）和多分类问题关键指标（Macro-average、Micro-average、Weighted-average、accuracy）可以帮助我们了解到：可以用哪些指标来大概评估分类模型的好坏。依据个人理解，这篇即将讲到的ROC曲线、AUC面积以及P-R曲线是将这些指标进行可视化，可以进行不同模型比
努力学习的心子·2023-02-06 17:12

SVM二分类和多分类问题的关键指标

一、二分类问题1、Accuracy2、Precision：主要评估在预测为Positive的样本中，真实的Positive样本有多少；3、Recall：在所有的Positive样本中，最终有多少Positive样本被预测成功；（就1、2、3举个栗子：某医院开发一套诊断癌症的AI系统，若想评估其性能好坏，可以通过Accuracy、Precision以及Recall评估。Accuracy：在一堆人中有
努力学习的心子·2023-02-06 17:11

sklearn svm 调参_SVM（Support Vector Machine）

SVM是一种二元分类模型(当然它也可以处理回归问题)，它通过训练样本寻找分隔两类样本的最优决策边界(超平面)，使得两类样本距离决策边界的距离最远(例如H3)。
weixin_39928801·2023-02-06 17:40

sklearn svm 调参_sklearn中SVM调参说明

于是这篇来总结一下sklearn中svm的参数说明以及调参经验。方便以后查询和回忆。
灯灯搬运工·2023-02-06 17:39

SVM模型

Python中提供了有关线性可分SVM或近似线性可分SVM的实现功能，只需要导入sklearn模块，并调用svm子模块中的LinearSVC类即可LinearSVC(penalty='l2',loss=
月岛雫-·2023-02-06 17:37

sklearn-SVM：数据归一化及模型调参

1.基本环境编译器：PyCharm2019.1.2虚拟环境：Anaconda虚拟环境scikit-learn版本:0.22.2.post12.数据归一化fromsklearn.preprocessingimportStandardScaler#归一化#归一化操作scaler=StandardScaler()x_train_data=scaler.fit_transform(x_train_data
一个努力吃胖的小瘦子·2023-02-06 17:01

SVM模型训练和调参

一、不同核函数需调参数不同SVM中有两个很重要的参数，即C和gamma。
努力学习的心子·2023-02-06 17:30

python+sklearn样本均衡化和置信概率（基于SVM）

本文所用文件的链接链接：https://pan.baidu.com/s/1RWNVHuXMQleOrEi5vig_bQ提取码：p57s样本类别均衡化通过样本类别权重的均衡化,使所占比例较小的样本权重较高,而所占比例较大的样本权重较低,以此平均化不同类别样本对分类模型的贡献,提高模型预测性能.什么情况下会用到样本类别均衡化?当每个类别的样本容量相差较大时,有可能会用到样本类别均衡化.这是原图：明显样
Hello AI！·2023-02-06 08:14

sklearn里的逻辑回归，随机森林及SVM应用于指数方向”预测“

原创文章第76篇，专注“个人成长与财富自由、世界运作的逻辑，AI量化投资”。backtrader代表传统量化，而qlib代表AI量化，二者的范式不同。backtrader擅长规则驱动，更像是传统技术分析的“自动化”版本，当然可以多进程搜索参数空间。但这些策略是无法“自我进化”的，它的进化还是取决于人，使用者自身经验的积累，对策略的改进。传统量化更像经验的规则表达，比如MACD为何是12，26，9，
AI量化投资实验室·2023-02-06 08:14

python：使用sklearn预测未知数据（回归），分类，MLP，SVM，RF，KNN，混淆矩阵

文章目录前言分类MLPRFSVMGDBTKNN预测（回归）：代码模板方法列表其他：混淆矩阵模型准确率均值、方差、标准化保存与加载模型前言本文主要记录使用Sklearn做机器学习分类和回归的例子，适合初学者理解和扩展
_养乐多_·2023-02-06 08:43

matlab的2DCNN、1DCNN、BP、SVM故障诊断与结果可视化

0、前言本文针对十分类轴承故障诊断问题，采用四种经典方法2DCNN、1DCNN、BP、SVM进行建模，并对比最终结果。1、理论介绍BP和SVM理论不再进行描述。
机器猫001·2023-02-06 05:44
上一页 40 41 42 43 44 45 46 47 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他