二、SVM
1、什么是SVM 2、线性可分SVM 1、决策面 2、函数间隔和几何间隔 2.1 函数间隔 2.2 几何间隔 2.3 最优间隔分类器 2.4 利用拉格朗日求解有约束的优化问题 2.5 利用拉格朗日求解最有间隔分类器 2.6 SMO算法（序列最小最优化算法） 3、核技法 3.1 核函数 3.2 核技巧的应用： 4、软间隔分类器 5、SVM的性质 6、合页损失函数 7、多分类问题 7.1 一对多 7.
相关文章
- 1. SVM(二)
- 2. SVM （二）SVM理论基础
- 3. 手撕SVM（二）
- 4. SVM详解（二）
- 5. SVM解释：二、SVM的数学基础
- 6. 支持向量机SVM（二）
- 7. SVM-支持向量机（二）
- 8. CS231N课程之 （二） SVM
- 9. Hinge loss 与二分类SVM
- 10. SVM原理概述二
- 更多相关文章...
- • Hibernate的二级缓存 - Hibernate教程
- • MySQL BIT、BINARY、VARBINARY、BLOB（二进制类型） - MySQL教程
- • RxJava操作符（二）Transforming Observables
- • Kotlin学习（二）基本类型
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. SVM(二)
- 2. SVM （二）SVM理论基础
- 3. 手撕SVM（二）
- 4. SVM详解（二）
- 5. SVM解释：二、SVM的数学基础
- 6. 支持向量机SVM（二）
- 7. SVM-支持向量机（二）
- 8. CS231N课程之 （二） SVM
- 9. Hinge loss 与二分类SVM
- 10. SVM原理概述二