我读到SGD支持线性SVM，但不支持非线性SVM。为什么会这样呢？我正在研究非线性支持向量机的成本函数。它的开头确实有一个"sum“符号。
浏览 6提问于2017-08-04得票数 1
比较了具有随机梯度下降和不存在随机梯度下降的SVM分类器的性能。在学习过程中，我只找到了SGDClassifier (我可以把它放到管道中)。sklearn不提供一个非随机(批处理)梯度下降分类器的实现吗？为了进行分析，我是否必须单独实现这两个分类器？
浏览 0提问于2018-12-17得票数 1
回答已采纳
1回答
我想知道支持向量机(SVM)对于具有非线性决策边界(如高斯核)的大型/超大型数据集(5-15M+行)的最先进的高效(近似)实现是什么？我知道两种特殊的方法:一方面，这个使用随机梯度下降的调查，等等：在这一页上，我们可以找到两篇描述核心和球向量机的论文。换句话说，我相信SVMs对于当前的问题是很有道理的，但是如果我要使用标准的SVM实现(可能高达n^3的复杂性)，我会受到样本大小的限制。
浏览 2提问于2013-10-28得票数 2
回答已采纳
2回答
(i)对于凸损失函数(即碗形)，保证批梯度下降最终收敛到全局最优，而不保证随机梯度下降。(4)对于凸损失函数(即碗形)，既不保证随机
浏览 0提问于2020-08-13得票数 4
回答已采纳
有没有一种方法可以在SVM中内置或使用类似minibatches的东西？我看到有MiniBatchKMeans存在，但我不认为它是支持向量机？
欢迎任何意见！
浏览 1提问于2016-11-22得票数 6
2回答
我有一个模型，我需要使用epochs进行多次训练，我尝试添加这个代码clf_svm.fit(train_features, train_labels, epochs=10, batch_size=64)os.path.exists("D:/ai training/aphids/joblib_model.sav"): clf_svmclf_svm = LinearSVC(random_state=
浏览 0提问于2021-04-12得票数 0
我需要在10 8GB的训练数据集上进行预测建模，这无法放入内存(8 8GB)。我正在考虑对大数据集进行多次采样，并在每个子集上进行拆分，以生成训练和验证集来创建模型。有没有更好的方法来解决这个问题？谢谢!
浏览 2提问于2016-09-12得票数 1
1回答
但是SGD的细节说
我检查了SGD的，似乎没有随机的洗牌方法。我对SGD的理解是对随机样本应用梯度下降。但它只在动量和nesterov的情况下进行梯度下降。如果是这样的话，它会随机地洗牌，但从不使用相同的数据集，不是吗？
我的理解正确
浏览 3提问于2021-01-24得票数 0
2回答
在我的项目中，我使用k-方法对组间的数据进行分类，但是我对Scikit学习的k-均值的计算有一个问题--它非常慢。我需要提一下。有什么建议要加快吗？
浏览 5提问于2017-10-01得票数 11
该算法采用基于代价函数和梯度的最大似然估计，快速解决了这一问题。然而，我也在试验一个不同的成本函数，并且没有梯度。
有什么好办法来加快计算过程吗？例如，我是否可以使用不同的算法或fmincg设置？
浏览 0提问于2014-06-21得票数 5
4回答
我是机器学习的新手，我正在尝试为我的一个项目分析分类算法。我在sklearn库中偶然发现了SGDClassifier。但许多论文都将SGD作为一种优化技术。有人能解释一下SGDClassifier是如何实现的吗？
浏览 1提问于2017-08-02得票数 7
2回答
假设我想使用N个样本的数据集来训练一个随机梯度下降回归算法。由于数据集的大小是固定的，我将重用数据T次。在每次迭代或“时代”中，在随机地重新排序整个训练集之后，我使用每个训练样本一次。想出一个批量梯度下降的矢量化实现是非常简单的。然而，在随机梯度下降的情况下，我想不出如何避免在每个时期迭代所有样本的外循环。
有没有人知道随机梯度下降的向量化实现？编辑:如果我的数据集的大小是固定的，
浏览 0提问于2014-10-10得票数 10
回答已采纳
1回答
在Aurélien Géron著的“用Scikit进行机器学习-学习、Keras和TensorFlow第二版”一书中，作者引用了：这是否意味着标准化对神经网络不利？请解释神经网络如何在标准化的情况下工作得很好，但是很好地符合最小-最大尺度。
浏览 0提问于2021-11-23得票数 2
1回答
在梯度提升的范畴中，我发现一些术语令人困惑。但是梯度增强器(GBM)和GBDT是一回事吗？他们只是名字不一样吗？除了GBM/GBDT和XGBoost之外，还有其他的模型属于梯度提升的范畴吗？
浏览 0提问于2020-09-19得票数 4
回答已采纳
2回答
我试图理解“反向传播”，因为它是使用梯度下降优化的神经网络。读一读文学作品，似乎做了几件事。
对损失函数执行梯度下降，使用这些权重来获得新的权重。所以，我想弄清楚BackPropagation对损失函数是否做了比梯度下降更多的事情。如果没有，为什么只在神经网络中引用，为什么不引用GLMs (广义线性模型)。
浏览 11提问于2016-06-28得票数 4
回答已采纳
1回答
我是CNN的新手，到目前为止，我对过滤器的了解是，当我们给我们的模型提供一个训练示例时，我们的模型通过梯度下降来更新权重，以最小化损失函数。那么，我的问题是，如何为特定的类标签保留权重？
浏览 0提问于2020-03-31得票数 -1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
