没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
5页
支持向量机matlab代码程序_机器学习实战项目-支持向量机 ```matlab % 加载数据 load fisheriris X = meas; Y = species; % 划分训练集和测试集 cv = cvpartition(size(X, 1), 'HoldOut', 0.2); X_train = X(training(cv), :); Y_train = Y(training(cv), :); X_test = X(test(cv), :); Y_test = Y(test(cv), :); % 训练支持向量机模型 SVMModel = fitcsvm(X_train, Y_train, 'KernelFunction', 'RBF', 'BoxConstraint', 1); % 预测 Y_pred = predict(SVMModel, X_test); % 计算准确率 accuracy = sum(Y_pred == Y_test) / length(Y_test); disp(['准确率: ', num2str(accuracy * 100), '%']);
资源推荐
资源详情
资源评论
⽀持向量机matlab代码程序_机器学习实战项⽬-⽀持向量机
⽀持向量机⽀持向量机 概述概述
⽀持向量机(Support Vector Machines, SVM):是⼀种机器学习算法。
⽀持向量(Support Vector)就是离分隔超平⾯最近的那些点。
机(Machine)就是表⽰⼀种算法,⽽不是表⽰机器。
⽀持向量机 场景
要给左右两边的点进⾏分类
明显发现:选择D会⽐B、C分隔的效果要好很多。
⽀持向量机 原理
SVM ⼯作原理
对于上述的苹果和⾹蕉,我们想象为2种⽔果类型的炸弹。(保证距离最近的炸弹,距离它们最远)
1. 寻找最⼤分类间距
2. 转⽽通过拉格朗⽇函数求优化的问题
数据可以通过画⼀条直线就可以将它们完全分开,这组数据叫线性可分(linearly separable)数据,⽽这条分隔直线称为分隔超平⾯
(separating hyperplane)。
如果数据集上升到1024维呢?那么需要1023维来分隔数据集,也就说需要N-1维的对象来分隔,这个对象叫做超平⾯(hyperlane),
也就是分类的决策边界。
资源评论
RDSunday
- 粉丝: 232
- 资源: 171
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功