本章內(nèi)容
1,簡(jiǎn)單介紹支持向量機(jī)
2吞瞪,利用SMO進(jìn)行優(yōu)化
3馁启,利用核函數(shù)對(duì)數(shù)據(jù)進(jìn)行空間轉(zhuǎn)換
4,將SVM和其他分類(lèi)器進(jìn)行對(duì)比
所謂支持向量(support vector)就是離分隔超平面最近的那些點(diǎn)。
SMO高效優(yōu)化算法來(lái)訓(xùn)練SVM惯疙,SMO表示序列最小化(Sequential Minimal Optimization)翠勉。
In [161]: svmMLiA.testDigits(('rbf', 20))
在執(zhí)行<程序清單6-9 基于SVM的手寫(xiě)數(shù)字識(shí)別>上面的命令的之后出現(xiàn)了如下問(wèn)題:
待我回頭debug……
File "D:\py\meachinelearning\ch06\svmMLiA.py", line 260, in testDigits
b, alphas = smoP(dataArr, labelArr, 200, 0.0001, 10000, kTup)
UnboundLocalError: local variable 'labelArr' referenced before assignment
參考鏈接:
機(jī)器學(xué)習(xí)實(shí)戰(zhàn) - 讀書(shū)筆記(06) – SVM支持向量機(jī)