该代码包括了SVM的多核核函数的分类实现和可视化展示。
2021-05-19 16:04:23
2KB
Adaboost算法的设计思想。从机器学习的角度简述模型选择的基本原则。丑小鸭定理；Occam剃刀原理；最小描述长度定理。简述分类器集成的基本方法。推导Hard-Margin SVM的优化目标。解释Hinge Loss在SVM中的意义。编程：从MNIST数据集中选择两类，对其进行SVM分类，可调用现有的SVM工具利用sklearn库进行svm训练MNIST数据集，准确率可以达到90%以上。
2021-05-16 16:27:23
96KB
1
加载训练好的svm分类器,以及有测试图片路径的txt文件，测试分类器准确率。注意需要自己准备训练样本，然后样本的路径参考源代码或者代码下载以后自己修改代码为自己本地样本的路径。
2021-04-19 11:15:49
2KB
1
1、熟悉SVM的基本设计原理。
2、掌握SVM的使用方法。
3、利用SVM实现人脸识别。
博客链接：https://blog.csdn.net/weixin_43442778/category_9481732.html
2021-03-21 22:13:18
398KB
1