Skip to main content

moregeek program

详解支持向量机-roc曲线中的概率和阈值【菜菜的sklearn课堂笔记】_wx63088f6683f8f的博客-多极客编程

视频作者:[菜菜TsaiTsai] 链接:[【技术干货】菜菜的机器学习sklearn【全85集】Python进阶_哔哩哔哩_bilibili] 基于混淆矩阵,我们学习了总共六个指标:准确率Accuracy,精确度Precision,召回率Recall,精确度和召回度的平衡指标F measure,特异度Specificity,以及假正率FPR。 其中,假正率有一个非常重要的应用:我们在追求较高的R

Read More

详解支持向量机-探索核函数在不同数据集上的表现【菜菜的sklearn课堂笔记】_wx63088f6683f8f的博客-多极客编程

视频作者:[菜菜TsaiTsai] 链接:[【技术干货】菜菜的机器学习sklearn【全85集】Python进阶_哔哩哔哩_bilibili] 关于核函数在不同数据集上的研究甚少,谷歌学术上的论文中也没有几篇是研究核函数在SVM中的运用的,更多的是关于核函数在深度学习,神经网络中如何使用。在sklearn中,也没有提供任何关于如何选取核函数的信息。 接下来我们就通过一个例子,来探索一下不同数据

Read More

详解支持向量机-软间隔svm-模型定义【白板推导系列笔记】_wx63088f6683f8f的博客-多极客编程

我们的训练数据通常不是理想的线性可分,有时甚至是线性不可分的数据。对于存在噪声的一些数据,我们应该允许一点分类错误,因此我们需要对目标函数进行一些调整: $$ \mathop{\text{min }}\limits_{\omega,b} \frac{1}{2}\omega^{T}\omega+\text{loss} $$ 最简单的想法,我们可以让loss为支持向量另一侧的向量以及误分类的向量,即

Read More

详解支持向量机-硬间隔svm-模型求解-引出对偶问题&引出kkt条件【白板推导系列笔记】_wx63088f6683f8f的博客-多极客编程

$$ \left{\begin{aligned}&\mathop{\text{min }}\limits_{\omega,b} \frac{1}{2}\omega^{T}\omega\&s.t.y_{i}(\omega^{T}x_{i}+b)\geq 1\Leftrightarrow 1-y_{i}(\omega^{T}x_{i}+b)\leq 0,\underbrace{i=1,

Read More