2回答
我试图了解径向基神经元网络与高斯核支持向量回归的区别。我看了Andrew关于SVN内核的介绍，我还读过毕晓普的书和维基百科关于SVR的文章中对RBFNN的介绍。
浏览 0提问于2016-01-27得票数 6
1回答
我读到了支持向量机，以及当我们将其作为核高斯核时的情况，正如我所理解的，在高斯核的情况下，它只关心如果点靠近某个点，那么这些点的“颜色”将是相同的。
浏览 0提问于2020-07-11得票数 0
1回答
我目前正在从事一个支持向量机(SVM)项目。我正在研究的支持向量机版本是，我很难理解从哪里开始。我不明白的是，我的教授告诉我，我们将使用准牛顿方法和BFGS更新。我试过牛顿方法的二维和三维例子，我认为我对算法有很好的理解，但我不知道如何应用拟牛顿法来求
浏览 2提问于2014-05-20得票数 1
回答已采纳
1回答
我要用支持向量机训练训练集。SVM是一种二次型优化算法。我想知道支持向量机是如何处理分类数据的。有人能分享任何参考资料，研究论文的链接，或描述过程的网页链接吗？我也期待着了解支持向量机处理分类数据背后的理论。
浏览 0提问于2022-09-30得票数 1
回答已采纳
1回答
实现最小二乘核分类器
、、、
我正在尝试找到我需要使用的方程，以便为具有N个特征长度为d的样本的数据集实现最小二乘核分类器。我有一个核方程k(x_i，x_j)，我需要将它推向这个方程，以获得用于对未来数据进行分类的长度-d向量。
浏览 0提问于2016-04-08得票数 0
3回答
偏最小二乘(PLS)算法在科学学习库中实现，如这里所记载的：在y是二进制向量的情况下，使用该算法的变体，偏最小二乘判别分析(PLS-DA)算法。sklearn.pls中的PLSRegression模块是否也实现了这种二进制情况？如果没有，我在哪里可以找到它的python实现？在我的二进制例子中，我尝试使用PLSRegression：
pls = PLSRegres
浏览 0提问于2013-08-23得票数 17
回答已采纳
1回答
我正在研究数据的二进制分类，我想知道使用支持向量机比使用决策树和自适应Boosting算法的优缺点。
浏览 2提问于2012-05-16得票数 9
比方说，我希望使用LIBSVM来构建一个包含70%训练数据的模型。这有可能吗？
浏览 0提问于2013-04-26得票数 0
要找到将这两组点分开的最优线(超平面)，我们可以：找出X和Y凸壳之间的最小距离线段，并取与这条线中点垂直的线。
2采用H.Edelsbrunner算法在O(logn+lognm)时间内完成。但是我想创建点集的凸壳是O(nlogn)，所以总体上应该需要O(nlogn)时间。我不知道支持向量机算法的时间复杂度。这两种算法是否取得了相同的结果？如果没有，他们为什么会有所不同？如果是，
浏览 0提问于2020-11-14得票数 1
1回答
我想解决下面的支持向量机问题，软边距支持向量机解决了下面的优化问题：第二项最小化了什么？第一项最小化了什么？xi衡量的是什么？
浏览 1提问于2020-12-15得票数 0
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)，但是它没有工作。如何在skleran线性svc中增加历元？对模型进行多次培训并保存模型，下面是正在使用的代码train_features = []# loop over the training dataset
print ("[STA
浏览 0提问于2021-04-12得票数 0
6回答
我目前正在为文本文章设计一个推荐系统(一个“有趣”或“不感兴趣”的二进制例子)。我的一个规范是，它应该不断更新，以适应不断变化的趋势。
据我所知，最好的方法是使用支持增量/的机器学习算法。像Perceptron和Winnow这样的算法支持在线学习，但我对支持向量机并不完全肯定。scikit- learning python库支持在线学习吗?如果支持，那么支持向量机
浏览 0提问于2014-04-14得票数 58
回答已采纳
通常，当输入点是线性可分的时，支持向量机模型可以定义如下w,byᵢ*(w*xᵢ - b) >= 1
x = quadprog(H, f, A, b)使受A*x ≤ b限制的1/2*x'*H*x + f'*x最小化。A是二重矩阵，b是二重向量。利用quadprog函数
浏览 10提问于2013-03-20得票数 7
回答已采纳
我应该考虑什么学习算法，为什么？eachAproximately 400 k填充的特性(在timeRetraining上添加了更大的功能space)Additional功能，或者每天调整模型(至少)以纳入新的examplesOptimization标准:最小平方百分比我有一些经验，训练对数线性模型，类似大小的分类问题(使用支持向量机，平均和投票感知器等)。添加任意特性的能力很重要，但在这种情况下，培训时间也是很有价值的。我还应该研究什么其他选择呢？支持向量</e
浏览 3提问于2012-04-24得票数 6
回答已采纳
我想知道是否也适用于非线性回归算法。到目前为止，我已经看到kaggle上的人使用日志转换来减少异方差，使用xgboost，但是他们从来没有提到是否也是为了获得正态分布的目标值。我试着做了一些研究，我在第11页的Andrew的课堂讲稿()中发现，许多算法使用的最小二乘代价函数是通过假设误差的正态分布导出的。我认为，如果错误应该是正态分布的，那么目标值也应该是。如果这是正确的，那么所有使用最小二乘代价函数的回归算法都应该
浏览 2提问于2016-07-22得票数 2
回答已采纳
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
