您好、欢迎来到现金彩票网!
当前位置:2019欢乐棋牌 > 正则化 >

最小二乘支持向量机训练样本是什么意思

发布时间:2019-07-08 20:35 来源:未知 编辑:admin

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  知道合伙人教育行家采纳数:8994获赞数:59947对于基本办公软件比较擅长。向TA提问展开全部最小二乘支持向量机训练样本是测试最小二乘支持向量机 的数据集。

  支持向量机(Support Vector Machine,SVM)是由Vapnik等人于20世纪90年代提出来的一种基于统计学习理论的新型学习机器模型,具有很强的模型泛化能力和极强的非线性处理能力,近年来受到了很多学者的关注,并被广泛的应用到了很多领域,如模式识别,图像检索和蛋白质数据分析等。

  支持向量机是一种基于核的学习方法,它将输入空间中无法处理的非线性样本,通过核函数将其映射到特征空间中,使其获得有利于问题解决的线性性能。最小二乘支持向量机是支持向量机的一种变形,同支持向量机一样,也是一种基于核的学习方法。核函数是最小二乘支持向量机的主要元素,它将直接影响到最小二乘支持向量机的性能,而核参数又是核函数的主要元素,因此对其核参数的选择对于提高模型的学习和泛化能力起到了至关重要的作用。如果只是具备了高性能的核函数而缺乏适当的正则化参数,也将影响最小二乘支持向量机的性能,所以对核参数和正则化参数的选择很重要。

  分类问题首先就是用训练样本来找 分类规律,然后再用测试样本(或者实际数据)来看分类效果。

http://altofigaro.com/zhengzehua/152.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有