SQL Server 2008 R2数据挖掘与商业智能基础及高级案例实战-案例文件.rar
2022-06-25 14:05:52
2.35MB
Python机器学习项目开发实战案例研究_俄亥俄州诊所-满足供求_案例解析实例详解课程教程.pdf
2022-06-23 18:06:57
4.42MB
Python机器学习项目开发实战案例研究_确定营销短尾关键词_案例解析实例详解课程教程.pdf
2022-06-23 18:06:56
4.04MB
Python机器学习项目开发实战案例研究_消除混凝士抗压强度的不一致性_案例解析实例详解课程教程.pdf
2022-06-23 18:06:56
5.35MB
Python机器学习项目开发实战案例研究_预测雅虎的每日调整的收盘价_案例解析实例详解课程教程.pdf
2022-06-23 18:06:55
4.09MB
Python机器学习项目开发实战案例研究_自行车共享计划-确定品牌角色_案例解析实例详解课程教程.pdf
2022-06-23 18:06:54
4.9MB
Linux运维-运维系统服务04-Shell脚本d6-Shell函数与正则表达式-02实战案例3统计web
2022-06-20 16:00:44
45.84MB
本资源包括使用支持向量机（SVM）算法进行人脸识别预测的全部源码
SVM就是帮我们找到一个超平面，这个超平面能将不同的样本划分开，同时使得样本集中的点到这个分类超平面的最小距离（即分类间隔）最大化。
支持向量机算法（Support Vector Machine，SVM），是一种二分类模型。
对于二分类问题，如果我们从数据集是否线性可分角度来看的话（线性可分通俗理解就是画一条直线，可以直接将两种类型的数据分开），可以将数据分为三种类型，一类是线性可分的、一类是近似线性可分（有一些异常点导致无法线性可分）、一类是线性不可分。
这三种场景对应的SVM的算法分别是硬间隔SVM、软间隔SVM和非线性SVM。
本案例使用支持向量机（SVM）算法实现人脸识别功能。
算法内容包括：
1、获取数据集
2、数据划分
3、PCA特征提取
4、使用线性SVM进行预测
5、交叉验证
6、超参数调优
7、预测结果分析
8、混淆矩阵评估
2022-06-17 16:06:30
206KB