腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
支持
向量
机
中
的
b
/ ||
w
||
是什么
?
、
在维基百科
的
SVM图片中,在左下角-由红色箭头指向,有
b
/ ||
w
||。这是如何计算
的
?换句话说,为什么图片中
的
线条是
b
/ ||
w
||?谢谢。
浏览 84
提问于2019-12-08
得票数 0
回答已采纳
1
回答
解释
支持
向量
机
训练文件。如何在SVM.predict之后唤起自信?
、
、
、
如何在SVM.predict之后唤起自信?my_svm: !!opencv-ml-svmkernel: { type:LINEAR }p: 1.0000000000000001e-001var_all: 10000sv_total: 1 - [ 1.55572503e-0
浏览 1
提问于2013-11-28
得票数 2
2
回答
支持
向量
机
与logistic回归有什么区别?
、
、
、
、
在阅读奥雷利恩·杰伦
的
书时,我注意到逻辑回归和
支持
向量
机
都是以完全相同
的
方式预测类
的
,所以我怀疑一定有我遗漏
的
东西。在Logistic回归一章
中
,我们可以看到:线性
支持
向量
<em
浏览 0
提问于2018-11-24
得票数 1
回答已采纳
1
回答
支持
向量
机
正则化参数对超平面参数
的
影响
在学习
支持
向量
机
分类时,我遇到了正则化参数\lambda: F(
w
,
b
) = \left\lVert
w
\right\lVert_2^2 +\lambda \sum_{i=1}^n max(0,1-y_i(
w
^Tx_i +
b
)).所以据我所知,
支持
向量
机
的
主要目的是找到分离两个类
的
超平面\{
w
^Tx+
b
=0\}。\lambda
浏览 0
提问于2018-11-19
得票数 3
1
回答
SVR
中
超参数C
的
定义是否与SVM
中
相应
的
C相反?
、
、
、
我刚刚意识到,由于,
支持
向量
机
可以用于回归,然而,我对超参数C
的
定义感到相当困惑。y_i (
w
\cdot x_i +
b
) \ge 1
浏览 19
提问于2021-07-16
得票数 0
1
回答
线性和
的
预测
然而,我面临
的
一个问题是,对于线性
支持
向量
机
在预测新数据方面是如何工作
的
,似乎没有深入
的
解释。 据我所知,
支持
向量
机
的
主要目的是寻找线性分离超平面
w
^Tx+
b
,而线性
支持
向量
机
实际上是一组超长方程。让我们考虑一个2类问题:a和
B
。假设(
w
^*,
b
^*)是\lambda固定选择
浏览 0
提问于2018-11-16
得票数 0
回答已采纳
1
回答
支持
向量
机
算法
中
的
最大裕度公式
、
我最近读到了关于
支持
向量
机
及其工作原理
的
文章,我偶然发现了一篇文章,并偶然发现了最大
的
距离。最大化边际 这个公式
中
唯一
的
变量是
w
,它与m是
浏览 0
提问于2018-12-26
得票数 1
回答已采纳
2
回答
不理解硬边缘
支持
向量
机
的
分类方程
、
我正试图掌握硬利润
支持
向量
机
。在我
的
讲座
中
,教授谈到了一个分类方程,当一个正样本输入时,返回一个1值或更多;当一个负样本被输入时,返回一个-1或更少
的
值。下面的图显示了垂直于分离超平面的
向量
\overrightarrow{
w
}和具有未知类\overrightarrow{u}
的
任意点。{u}
的
组件朝着\overrightarrow{
w
}
的
方向发展。如果\overrightarrow{
浏览 0
提问于2019-07-23
得票数 2
1
回答
如何确定由libsvm计算
的
决策边界
、
我使用libsvm对数据进行线性
支持
向量
机
分类,我想知道它产生
的
分离超平面(即
向量
w
和实
b
,使得x被归类为正样本当且仅当
w
.x+
b
>0)。工具svm-权重返回
w
的
系数,但是如何计算
b
?
浏览 3
提问于2012-01-12
得票数 0
回答已采纳
3
回答
如何利用Matlab
的
四叉图实现软边缘
支持
向量
机
模型?
、
、
、
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
,
b
yᵢ*(
w
*xᵢ -
b
) >= 1 x = quadprog(H, f, A, <
浏览 10
提问于2013-03-20
得票数 7
回答已采纳
1
回答
(非)凸“约束”
是什么
意思?
、
、
我指的是安德鲁·吴( Andrew )为斯坦福大学(StanfordCS229)机器学习课程编写
的
课程笔记
的
支持
向量
机
部分。在第16页,他说:
支持
向量
机
优化问题有以下几个方面:\begin{align} \max_{\gamma,
w
,
b
}\gamma \\ s.t. & \quad y^{(i)}(
w
^Tx+
b
) \geq,n \\ & \quad \Vert
浏览 0
提问于2021-09-16
得票数 1
1
回答
支持
向量
机
演示
有人能给出一个
支持
向量
机
的
例子吗?特别是如何从训练集中获取
w
和
b
?因为我不擅长,所以有人能给我一个例子来说明
支持
向量
机
的
细节吗? 非常感谢。
浏览 1
提问于2012-01-02
得票数 1
1
回答
支持
向量
机
误差
、
、
支持
向量
机
分类误差、
支持
向量
机
裕度误差和
支持
向量
机
总误差有什么区别?他们有什么明确
的
定义吗?
支持
向量
机
中
的
C参数
是什么
?我完全糊涂了!
浏览 0
提问于2019-02-18
得票数 2
1
回答
带有预计算内核
的
libsvm :如何计算分类分数?
、
、
、
我正在与libsvm在MATLAB和训练和测试一个1-VS所有的
支持
向量
机
与一个预先计算
的
非线性核。我对SVMs有点陌生,我正在尝试计算决策函数。我知道,对于线性
支持
向量
机
,我们可以通过(根据libsvm文档)获得
w
:然后,我们可以根据以下内容计算决策值:然后,将标记编码预测到sign(
w
'*x+
浏览 4
提问于2014-02-17
得票数 3
回答已采纳
2
回答
为什么我们要在SVM中计算保证金?
、
我正在学习SVM (
支持
向量
机
):有几点仍然不明确:(线性可分,原始情况)我在一些例子中看到,保证金是这样计算
的
:而在其他情况下,则是这样
的
:那么这两种情况有什么
浏览 0
提问于2017-11-24
得票数 0
1
回答
在python
中
实现加权
支持
向量
机
、
、
我想解决
的
支持
向量
机
的
最小化问题是: \min_{
w
,
b
} \frac{1}{2}
w
浏览 0
提问于2021-06-10
得票数 3
回答已采纳
1
回答
用MATLAB和libsvm绘制
支持
向量
机
边距
、
、
、
我能够训练svm并使用svmlib获得
w
和
b
。使用此信息,我可以绘制决策边界以及
支持
向量
,但我不确定如何使用svmlib提供
的
信息绘制边距。下面是我
的
代码:
b
= -model.rho;if (model.Label(1) == -1)
w
=
浏览 0
提问于2015-02-17
得票数 0
回答已采纳
2
回答
SVM分类
中
如何设置超参数
、
、
、
我正在研究利用
支持
向量
机
进行图像分类,一般定义为.N=培训实例数f(x,
W
) =点积在大多数示例
中
,定义为Δ= 1.0,而没有提到如何计算1.0。这个值是通过试错(交叉验证)确定
浏览 0
提问于2019-03-08
得票数 3
回答已采纳
2
回答
SVM损失函数
、
📷 据我所知,如果转置(
W
)xi+
b
>=0,y=-1,则
支持
向量
机
的
假设函数是预测
b
>=0。但是,根据上述损失函数,若标号为>=1,则转置(
W
)xi+
b
必须大于或等于1( y=1 ),如果标号为-1 (<= -1 ),则小于-1(<=-1)为零惩罚。所以我很困惑here...So,这是否意味着如果转置(
W
)xi+
b
=0.6>=0 (从而产生h(x)=1),并且
浏览 0
提问于2019-08-22
得票数 0
1
回答
为什么
支持
向量
机
中
的
支持
向量
超平面为+1.-1?
在
支持
向量
机
中
,我们有3超平面,另外两个躺在支撑
向量
上。📷Why我们选择+1和-1作为它们
的
值,这意味着从决策边界上,位于
支持
向量
上
的</e
浏览 0
提问于2022-01-20
得票数 1
点击加载更多
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
深入SVM:支持向量机核的作用是什么
支持向量机的基础概述
支持向量机的理论基础
SVM:支持向量机的原理与应用
使用Scikit-learn实现的可转债软件中的支持向量机算法详解
热门
标签
更多标签
云服务器
ICP备案
云直播
对象存储
实时音视频
活动推荐
运营活动
广告
关闭
领券