成为VIP会员查看完整内容
VIP会员码认证
首页
主题
会员
服务
注册
·
登录
支持向量机
关注
776
在机器学习中,支持向量机(SVM,也称为支持向量网络)是带有相关学习算法的监督学习模型,该算法分析用于分类和回归分析的数据。支持向量机(SVM)算法是一种流行的机器学习工具,可为分类和回归问题提供解决方案。给定一组训练示例,每个训练示例都标记为属于两个类别中的一个或另一个,则SVM训练算法会构建一个模型,该模型将新示例分配给一个类别或另一个类别,使其成为非概率二进制线性分类器(尽管方法存在诸如Platt缩放的问题,以便在概率分类设置中使用SVM)。SVM模型是将示例表示为空间中的点,并进行了映射,以使各个类别的示例被尽可能宽的明显间隙分开。然后,将新示例映射到相同的空间,并根据它们落入的间隙的侧面来预测属于一个类别。
综合
百科
荟萃
VIP
热门
动态
论文
精华
Deep Generative model that uses physical quantities to generate and retrieve solar magnetic active regions
Arxiv
0+阅读 · 2月20日
L0-Regularized Quadratic Surface Support Vector Machines
Arxiv
0+阅读 · 3月6日
Jacobi Prior: An Alternative Bayesian Method for Supervised Learning
Arxiv
0+阅读 · 2月28日
Robust support vector model based on bounded asymmetric elastic net loss for binary classification
Arxiv
0+阅读 · 3月6日
A White-Box SVM Framework and its Swarm-Based Optimization for Supervision of Toothed Milling Cutter through Characterization of Spindle Vibrations
Arxiv
0+阅读 · 3月7日
Atrial Fibrillation Detection Using Machine Learning
Arxiv
0+阅读 · 2月20日
Convex Loss Functions for Support Vector Machines (SVMs) and Neural Networks
Arxiv
0+阅读 · 2月25日
Using Machine Learning to Enhance the Detection of Obfuscated Abusive Words in Swahili: A Focus on Child Safety
Arxiv
0+阅读 · 2月13日
Convex Loss Functions for Support Vector Machines (SVMs) and Neural Networks
Arxiv
0+阅读 · 2月3日
Privacy-Preserving Sensor-Based Human Activity Recognition for Low-Resource Healthcare Using Classical Machine Learning
Arxiv
0+阅读 · 1月29日
Conversational Context Classification: A Representation Engineering Approach
Arxiv
0+阅读 · 1月18日
An efficient, accurate, and interpretable machine learning method for computing probability of failure
Arxiv
0+阅读 · 1月28日
IBIS: A Hybrid Inception-BiLSTM and SVM Ensemble for Robust Doppler-based Human Activity Recognition
Arxiv
0+阅读 · 1月24日
Statistical Learning Theory for Distributional Classification
Arxiv
0+阅读 · 1月21日
ToxiTwitch: Toward Emote-Aware Hybrid Moderation for Live Streaming Platforms
Arxiv
0+阅读 · 1月22日
参考链接
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top