首页人工智能常见问题正文

SVM的推导,特性?多分类怎么处理?

更新时间:2020-09-21 来源:黑马程序员 浏览量:

• SVM是最大间隔分类器

从线性可分情况下,原问题,特征转换后的dual问题,引入kernel(线性kernel,多项式,高斯),最后是soft margin。

线性:简单,速度快,但是需要线性可分

多项式:比线性核拟合程度更强,知道具体的维度,但是高次容易出现数值不稳定,参数选择比较多。

高斯:拟合能力最强,但是要注意过拟合问题。不过只有一个参数需要调整。

• 多分类问题,一般将二分类推广到多分类的方式有三种,一对一,一对多,多对多。

一对一:将N个类别两两配对,产生N(N-1)/2个二分类任务,测试阶段新样本同时交给所有的分类器,最终结果通过投票产生。

一对多:每一次将一个例作为正例,其他的作为反例,训练N个分类器,测试时如果只有一个分类器预测为正类,则对应类别为最终结果,如果有多个,则一般选择置信度最大的。从分类器角度一对一更多,但是每一次都只用了2个类别,因此当类别数很多的时候一对一开销通常更小(只要训练复杂度高于O(N)即可得到此结果)。

多对多:若干个类作为正类,若干个类作为反类。注意正反类必须特殊的设计。

猜你喜欢:

简述机器学习流程

在无监督学习中如何进行文件聚类?

朴素贝叶斯为什么被称为“朴素”?

人工智能高级软件工程师课程

分享到:
在线咨询 我要报名
和我们在线交谈!