很深的理论背景支持向量机方法是在近年来提出的一种新方法 SVM 的主要思想可以概括为两点 1

很深的理论背景支持向量机方法是在近年

This preview shows page 7 - 9 out of 16 pages.

很深的理论背景。支持向量机方法是在近年来提出的一种新方法。 SVM 的主要思想可以概括为两点: (1) 它是针对线性可分情况进行分析,对于线性不可分的情况,通过使用非线性映射算法将 低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,从而使得高维特征空间 采用线性算法对样本的非线性特征进行线性分析成为可能; (2) 它基于结构风险最小化理论之上在特征空间中建构最优分割超平面,使得学习器得到全 局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。 在学习这种方法时, 首先要弄清楚这种方法考虑问题的特点,这就要从线性可分的最简单情况讨论起,在没有弄 懂其原理之前,不要急于学习线性不可分等较复杂的情况,支持向量机。在设计时,需要用 到条件极值问题的求解,因此需用拉格朗日乘子理论,但对多数人来说,以前学到的或常用 的是约束条件为等式表示的方式,但在此要用到以不等式作为必须满足的条件,此时只要了 解拉格朗日理论的有关结论就行。 介绍 支持向量机将向量映射到一个更高维的空间里,在这个空间里建立有一个最大间隔超平面。 在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距 离最大化。假定平行超平面间的距离或差距越大,分类器的总误差越小。一个极好的指南是 C。J。C Burges 的《模式识别支持向量机指南》。van der Walt 和 Barnard 将支持向 量机和其他分类器进行了比较。 动机 有很多个分类器(超平面)可以把数据分开,但是只有一个能够达到最大分割。我们通常希 望分类的过程是一个机器学习的过程。这些数据点并不需要是中的点,而可以是任意(统计 学符号)中或者(计算机科学符号)的点。我们希望能够把这些点通过一个 n-1 维的超平面分 开,通常这个被称为线性分类器。有很多分类器都符合这个要求,但是我们还希望找到分类 最佳的平面,即使得属于两个不同类的数据点间隔最大的那个面,该面亦称为最大间隔超平 面。如果我们能够找到这个面,那么这个分类器就称为最大间隔分类器。 四、Apriori
Image of page 7
www fmi com cn 8 Apriori 算法是种最有影响的挖掘布尔关联规则频繁项集的算法。它的核心是基于两阶段频 集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里,所有支 持度大于最小支持度的项集称为频繁项集(简称频集),也常称为最大项目集。 在 Apriori 算法中,寻找最大项目集(频繁项集)的基本思想是:算法需要对数据集进行多步
Image of page 8
Image of page 9

You've reached the end of your free preview.

Want to read all 16 pages?

  • Fall '19
  • Zhang JiaGou

What students are saying

  • Left Quote Icon

    As a current student on this bumpy collegiate pathway, I stumbled upon Course Hero, where I can find study resources for nearly all my courses, get online help from tutors 24/7, and even share my old projects, papers, and lecture notes with other students.

    Student Picture

    Kiran Temple University Fox School of Business ‘17, Course Hero Intern

  • Left Quote Icon

    I cannot even describe how much Course Hero helped me this summer. It’s truly become something I can always rely on and help me. In the end, I was not only able to survive summer classes, but I was able to thrive thanks to Course Hero.

    Student Picture

    Dana University of Pennsylvania ‘17, Course Hero Intern

  • Left Quote Icon

    The ability to access any university’s resources through Course Hero proved invaluable in my case. I was behind on Tulane coursework and actually used UCLA’s materials to help me move forward and get everything together on time.

    Student Picture

    Jill Tulane University ‘16, Course Hero Intern

Stuck? We have tutors online 24/7 who can help you get unstuck.
A+ icon
Ask Expert Tutors You can ask You can ask ( soon) You can ask (will expire )
Answers in as fast as 15 minutes
A+ icon
Ask Expert Tutors