上传者: 42120550
|
上传时间: 2022-03-29 11:08:04
|
文件大小: 113KB
|
文件类型: -
svm-gpu
适用于带GPU的多类支持向量机(SVM)库。 这是一种快速且可靠的分类算法,在有限的数据量下性能很好。
支持向量机
:
支持向量机是有监督的学习模型,可以分析数据并识别模式。 一个特殊的特性是,它们同时最小化了经验分类误差并最大化了几何余量。 因此,它们也被称为最大余量分类器。
支持向量机的优点是:
在高维空间有效。
在维数大于样本数的情况下仍然有效。
在决策函数中使用训练点的子集(称为支持向量),因此它也可以提高存储效率。
多功能:可以为决策功能指定不同的内核功能。 提供了通用内核,但是也可以指定自定义内核。
与神经网络相比,在有限数量的样本(数千个样本)中实现了更高的速度和更好的性能
支持向量机的缺点包括:
如果特征数量远大于样本数量,则在选择内核函数时应避免过度拟合,并且正则化项至关重要。
SVM不直接提供概率估计,而是使用昂贵的五重交叉验证来计