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 国科大模式识别 代码 证明及解析
1