摘要：
下面是一个简单的支持向量机（SVM）实现，用于解决线性可分问题。 这个实现不使用任何机器学习库，只使用NumPy进行矩阵运算。 请注意，这个实现主要用于教学目的，实际应用中推荐使用成熟的库，如scikit-learn。 import numpy as np class SVM: def __init 阅读全文
posted @ 2024-10-15 15:58
redufa
阅读(109)
评论(0)
推荐(0)
摘要：
使用Python中的scikit-learn库来实现SVM分类器。 支持向量机（SVM）基本概念 支持向量机是一种监督学习算法，用于分类和回归分析。SVM的核心思想是在特征空间中找到一个超平面，这个超平面能够最大化地分隔不同类别的数据点。 SVM的关键概念： 超平面（Hyperplane）：在n维空 阅读全文
posted @ 2024-10-15 15:32
redufa
阅读(322)
评论(0)
推荐(0)
摘要：
支持向量机 1. 支持向量 SVM 最优化问题 SVM 想要的就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。任意超平面可以用下面这个[线性方程]来描述： \[\omega ^ T x +b=0 \]二维空间点$ (x,y)$ 到直线$ Ax+By+C=0$ 的距离公式是： \[\ 阅读全文
posted @ 2024-10-15 15:07
redufa
阅读(86)
评论(0)
推荐(0)
浙公网安备 33010602011771号