索引 / 标签
#核方法
共 3 篇
- Ch04 机器学习
SVM 支持向量机 (Support Vector Machine)
SVM 是一个"画线"的分类器——在两类数据之间画一条线(或超平面)，让这条线离两边最近的数据点都尽可能远。这条线不是随便画的，而是找"最大间隔"的那条。
约 5 分钟1,499 字 - Ch04 机器学习
核方法 (Kernel Method)
一句话理解 将数据隐式映射到高维空间,在原始空间计算高维内积——在低维空间中分不开的数据,映射到高维空间后可能就分开了,而且我们不需要真的去做这个映射。 零基础理解 想象桌子上有两个交叉的圆环
约 5 分钟1,659 字 - Ch04 机器学习
深挖-SVM
一句话理解 SVM 的核心思想是 找到一个超平面，使得不同类别样本之间的间隔（margin）最大化。这个"最大间隔"的设计让 SVM 天然具有优秀的泛化能力，因为它不依赖于恰好落在决策边界附近
约 5 分钟1,745 字