位置:首页 > 浙江大学研究生课件——统计学习理论与支持向量机SVM(附下载) >

浙江大学研究生课件——统计学习理论与支持向量机SVM(附下载)

作者:小牛君|发布时间:2017-04-01

小牛学堂的课程大纲最近进行了再一次升级,并且同时推出Java大数据平台开发班、Python爬虫与数据挖掘班、Spark项目班、Spark大神班、机器学习算法实战班、BI数据分析实战班, 目前这类人群凤毛麟角,导致这个行业的平均薪资极高,为此小牛学堂集合了行业的诸多大牛开设对应班级,为想学习的同学提供机会!
如果想了解详细情况,请联系 今日值班讲师 或者直接加入千人QQ群进行咨询:Spark大数据交流学习群613807316

以下是本文正文:


本PPT来源于徐从富(Congfu Xu) PhD

目录

概述

  • 统计学习理论中的基本概念
  • 统计学习理论的发展简况
  • 统计学习理论的基本内容
  • 支持向量机概述
  • 研究现状
  • 参考文献

SLT & SVM的地位和作用

是统计学习方法的优秀代表

有严密的数学依据,得到了严格的数学证明

有力反驳 —— “复杂的理论是没有用的,有用的是简单的算法”等错误观点

充分表明 —— “没有什么比一个好的理论更实用了”等基本的科学原则

SLT&SVM所坚持的“基本信念”

传统的估计高维函数依赖关系的方法所坚持的信念

实际问题中总存在较少数目的一些“强特征”,用它们的简单函数(如线性组合)就能较好地逼近未知函数。因此,需要仔细地选择一个低维的特征空间,在这个空间中用常规的统计技术来求解一个逼近。

SLT&SVM所坚持的信念

实际问题中存在较大数目的一些“弱特征”,它们“巧妙的”线性组合可较好地逼近未知的依赖关系。因此,采用什么样的“弱特征”并不十分重要,而形成“巧妙的”线性组合更为重要。

SLT&SVM与传统方法的区别

1、要较好地实现传统方法,需要人工选择(构造)一些数目相对较少的“巧妙的特征”

2、SVM方法则是自动地选择(构造)一些数目较少的“巧妙的特征”

3、在实际应用中,可通过构造两层(或多层)SVM来选择“巧妙的特征”

详情请看PPT,最后附下载:

支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机

支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机 支持向量机

下载:浙江大学SVM(支持向量机).ppt

End.


了解更多详情请联系 今日值班讲师 或者直接加入千人QQ群进行咨询:Spark大数据交流学习群613807316

分享到: