在机器学习中,支持向量机(SVM,也称为支持向量网络)是带有相关学习算法的监督学习模型,该算法分析用于分类和回归分析的数据。支持向量机(SVM)算法是一种流行的机器学习工具,可为分类和回归问题提供解决方案。给定一组训练示例,每个训练示例都标记为属于两个类别中的一个或另一个,则SVM训练算法会构建一个模型,该模型将新示例分配给一个类别或另一个类别,使其成为非概率二进制线性分类器(尽管方法存在诸如Platt缩放的问题,以便在概率分类设置中使用SVM)。SVM模型是将示例表示为空间中的点,并进行了映射,以使各个类别的示例被尽可能宽的明显间隙分开。然后,将新示例映射到相同的空间,并根据它们落入的间隙的侧面来预测属于一个类别。
  1. SVM中函数间隔和几何间隔的本质区别是什么? - 知乎
  2. SVM支持向量机
  3. 支持向量机(SVM)是否适合大规模数据? - 知乎
  4. R-机器学习-支持向量机回归
  5. 支持向量机SMO算法内循环的一个问题? - 知乎
  6. Learn R | SVM of Data Mining(五)
  7. 经典决策树,条件推断树,随机森林,SVM的R实现
  8. In-Depth: Support Vector Machines | Python Data Science...
  9. Introduction to one-class Support Vector Machines...
  10. SVM损失函数及梯度矩阵的计算
  11. SVM中的正则化和损失是什么? - 知乎
  12. svm的时间复杂度与数据的维数有关吗? - 知乎
  13. zhihu.com/question/36694952
  14. CS231n Convolutional Neural Networks for Visual Recognition
  15. 用于数据挖掘的分类算法有哪些,各有何优劣? - 知乎
  16. 谷歌发布TensorFlow Fold,支持动态计算图的深度学习库
  17. Vectorized Implementation of SVM Loss and Gradient Update
  18. Machine Learning Part 10: Linear Support Vector Machine
  19. Support Vector Machine · UC Business Analytics...
  20. A Support Vector Machine in just a few Lines of Python Code
展开全文
微信扫码咨询专知VIP会员