机器学习——支持向量机算法完整实战源码
基于Python和sklearn机器学习库实现的支持向量机算法使用的实战案例。
使用jupyter notebook环境开发。
支持向量机：支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane） [1-3] 。
SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器 [2] 。SVM可以通过核方法（kernel method）进行非线性分类，是常见的核学习（kernel learning）方法之一。
文件下载
资源详情
[{"title":"（ 7 个子文件 596KB ） 机器学习——支持向量机算法完整实战源码","children":[{"title":"img","children":[{"title":"5.png <span style='color:#111;'> 6.38KB </span>","children":null,"spread":false},{"title":"1.png <span style='color:#111;'> 75.80KB </span>","children":null,"spread":false},{"title":"6.png <span style='color:#111;'> 62.87KB </span>","children":null,"spread":false},{"title":"2.png <span style='color:#111;'> 75.22KB </span>","children":null,"spread":false},{"title":"4.png <span style='color:#111;'> 108.52KB </span>","children":null,"spread":false},{"title":"3.png <span style='color:#111;'> 91.76KB </span>","children":null,"spread":false}],"spread":true},{"title":"支持向量机.ipynb <span style='color:#111;'> 256.32KB </span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- xss利用平台搭建（利用xsser.me源码）
- ★基于C#+ArcGIS Engine构建的GIS桌面端应用系统
- 血管分割的STARE数据集
- DS1307中文数据手册
- Qt编写守护进程
- 时滞系统matlab模板（.m文件）
- jdk-11.0.2_windows-x64_bin.exe
- 模式识别 第二版 (边肇祺 张学工 著) 课后答案.pdf
- matlab使用有限元方法求解偏微分方程
- 一个动物识别专家系统在 JAVA语言下的实现
- 大型稀疏矩阵运算库SuiteSparse vs2010通过编译正确执行
- Verilog HDL高级数字设计课件+源码
- 过腾讯TP驱动保护教程
- StyleCop全套资料下载
- 中科院数据挖掘刘莹第一次作业
- 51单片机ADXL345三轴加速度传感器源代码
- 会议预约系统
- 用VerilogHDL语言编写的基于FBGA的四位数字式秒表
- 克尔介质中光波的自衍射效率的理论计算
- 97KILL.zip
- 312_On-demand-paging_LLiss.pdf
- 1746（高速计数模块）.pdf
- 区块链核心技术.zip
- 12cr.zip 系统响应7~8。8以及通讯方面的一些材料配套的文件
- 软件设计模式—结构型模式讲义
- soc design esl
- 超轻量级Linux镜像cirros
- 极品列车时刻表，火车时间表
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明