机器学习:支持向量机4

前面介绍的SVM,无论是线性可分还是非线性可分,称为Hard Margin SVM,都要求对输入数据进行精确划分。我们不难想到这类SVM存在过拟合这个问题。如果输入数据本身就存在误差,精确划分反而是没意义的。本篇文章就如何处理过拟合问题,介绍即所谓的Soft Margin SVM »

Android各版本重要变动记录

Android M:运行时权限 运行时权限属于比较熟悉的话题不深入展开。除了support包可以让应用完成运行时权限,github上也有好多扩展。用得比较多的是Google官方的EasyPermissions。 Android N:提高私有文件的安全性 私有文件安全性的变动官方文 »

机器学习:支持向量机3

前面两篇文章介绍了支持向量机SVM的基本原理,并利用Python实践了分割超平面的求解过程。 本篇文章将介绍SVM如何对非线性可分的数据进行分类。 基本原理 SVM处理线性不可分数据的关键在于把低维空间中线性不可分的数据映射到高维空间使其线性可分。然后再按线性可分数据进行处理。 »

机器学习:支持向量机2

上一篇文章介绍了机器学习中支持向量机的基本原理,并且在文章末尾介绍了一种利用Python求解二项规划问题极值的方法。这篇文章我将利用这种方法一步步求解上文中提及的$-\vec{\alpha}-$、$-\vec{w}-$、$-b-$,借此复习和验证支持向量机的知识点。 数据 下面看 »

机器学习:支持向量机

上一篇文章使用KNN算法解决机器学习的分类问题。本文将介绍另一种号称解决分类问题的最佳算法,叫支持向量机SVM(Support Vector Machine)。 这篇文章将不立即从代码开始介绍SVM,而是从理论知识开始了解其原理,最后用代码实践并验证我们对知识的理解。 基本原理 »