SⅥM原理与应用 HITSCIR-TM Group zkli-李泽魁
SVM原理与应用 HITSCIR-TM Group zkli-李泽魁
大纲 背景 线性分类 非线性分类 松弛变量 多元分类 应用 工具包
大纲 • 背景 • 线性分类 • 非线性分类 • 松弛变量 • 多元分类 • 应用 • 工具包 3
SⅦM背景 支持向量机 support vector machine SVM 5 6036978
SVM背景 • 支持向量机 – support vector machine – SVM 4
为什么要用SVM(个人观点) 分类效果好 @刘知远THUV JMLR201410月刊看到一篇神文: Do we Need Hundreds of Classifiers to solve Real Worid Classification Problems?测试了179种分类模型在UC有的121个数据上的性能,发现 Random Forests和swM(高斯核,用LbsM版本)性能最好,真是一个体力活,辛苦作者们 了.httplicn/r7nPBM 11月7日2104来自微博 weibo com 转发459评论2120 上手快 N种语言的N个 Toolkit ·理论基础完备 妇孺皆知的好模型 找工作需要它(利益相关: 应用与原理
为什么要用SVM(个人观点) • 分类效果好 • 上手快 – N种语言的N个Toolkit • 理论基础完备 – 妇孺皆知的好模型 • 找工作需要它(利益相关：面试狗一只) – 应用与原理 5
SVM发展历史 重要理论基础1 60年代, Vapnik和 Chervonenkis提出ⅤC维理论 重要理论基础2 1982年, Vapnik提出结构风险最小化理论 支持向量机( Support Vector Machine是 Cortes和 Vapnik于1995年首先提出的 它在解决小样本、韭线性及高维模式识别 中表现岀许多特有的优势,并能够推广应 用到函数拟合等其他机器学习问题中
SVM发展历史 • 重要理论基础1 – 60年代，Vapnik和Chervonenkis提出VC维理论 • 重要理论基础2 – 1982年，Vapnik提出结构风险最小化理论 • 支持向量机(Support Vector Machine)是 Cortes和Vapnik于1995年首先提出的 • 它在解决小样本、非线性及高维模式识别 中表现出许多特有的优势，并能够推广应 用到函数拟合等其他机器学习问题中 6