从0开始机器学习--Day23--支持向量机

Chef_Chen

于 2024-11-12 22:19:23 发布

阅读量773

点赞数 5

CC 4.0 BY-SA版权

文章标签：机器学习支持向量机人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/Chef_Chen/article/details/143724763

经过前面的学习，我们已经知道在解决问题时，重要的不仅仅是要在算法A或算法B中选择更优的，而是考虑怎么选择用于学习算法的特征和正则化参数，相比神经网络和逻辑回归，支持向量机在这两个方面做得更好。

优化目标(Optimization objective)

让我们先从逻辑回归开始讲起，看看如何通过一个小小的改动转为支持向量机。

逻辑回归图像

如图，假如我们有一个 $y=1$ 的样本，我们的期望是算法经过计算后预测的 $h_{\theta}(x)\approx1$ ，也就是 $\theta^{T}x$ 远远大于0；同理，对于 $y=0$ 的样本期望也是其 $\theta^{T}x$ 远远小于0。

我们分别画出

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。