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
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:
End.
加入千人QQ群一起学习大数据:

分享到: