摘要:
1.什么是支持向量机2.支持向量机的推导3.SVM的损失函数4.SVM的核函数有哪些,核函数的作用是什么5.硬间隔和软间隔6.SVM可以做多分类吗,怎么做7.SVM可以做回归吗,怎么做8.SVM的对偶问题,为什么要把原问题转化为对偶问题9.KKT限制条件有哪些 一、函数间隔与几何间隔 在正式介绍SV 阅读全文
摘要:
用法如下: class sklearn.svm.SVC(*, C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, 阅读全文
摘要:
目录 Demo实践 支持向量机 软间隔 超平面 一、Demo实践 #Step1:库函数导入 ## 基础函数库 import numpy as np ## 导入画图库 import matplotlib.pyplot as plt import seaborn as sns ## 导入逻辑回归模型函数 阅读全文
摘要:
我们已经知道ID3算法是基于信息增益来实现的,下面就根据原理写出代码: # -*- coding: utf-8 -*- """ Created on Tue Aug 11 10:12:48 2020 @author: Admin """ from math import log import ope 阅读全文