梅科尔工作室——深度学习第四课

SVM第一阶段学习

一、SVM与KUN的对比

1、KUN

回顾上一节：kun叫做邻近算法（又叫分类算法），首先要有k值，因为k值决定了虚线圆圈的大小，即以要算的未知值为圆心，k的值为半径，画一个虚线圆；然后根据数量决定未知值属于哪一类。

2.SVM

具体分析：SVM算法是根据提供的黑点和白点，来算出一条决策边界。然后，再来一个点时，如果位于边界上边，就分类为黑点那一边；反之，则为白点那一边。其实，最重要的是要分别找到两边的两个红点，即支持向量，如图所示。（相比于kun计算比较麻烦）

这是SVM的一个分类图：

3.要解决什么样的问题

KNN分类问题，离哪些点较近，就归哪一类。

SVM分类问题，找决策边界，把数据进行划分开。

（二者算法很类似，但原理不同，相对来说SVM更复杂一些）

二、SVM分类的原理

支持向量积
1.距离计算（点到平面的距离）
2.目标函数
3.部分数学原理
4.软间隔优化
5.核函数（分类好的关键）
升维，二位的变成三维的，可能能够很好的用平面分开。

梅科尔工作室——深度学习第四课相关推荐

梅科尔工作室深度学习第五课-CNN
CNN解决了什么问题在 CNN 出现之前,图像对于人工智能来说是一个难题,有2个原因: 图像需要处理的数据量太大,导致成本很高,效率很低图像在数字化的过程中很难保留原有的特征,导致图像处理的准确率 ...
梅科尔工作室——深度学习第五课
CNN(卷积神经网络:Convolutional neural network) 一.计算机视觉的应用 cnn非常普遍地运用在计算机视觉当中(工作室也涉及了很多小牧,在医疗上更多一点) 二.计算机视觉 ...
梅科尔工作室-深度学习第五讲 CNN-卷积神经网络
目录前言 1.计算机视觉 1.1. 计算机视觉分类 2. CNN 3. 卷积层 3.1. 什么是卷积 3.2. 动态卷积操作 4. 池化层 5.激活函数的作用前言本文记录梅科尔工作室深度学习培训 ...
梅科尔工作室-深度学习-CNN
目录 1.基本概念 2.cnn常见任务 3.cnn组成 3.1.输入层 3.2.卷积层 3.3.激活层 3.4.池化层 3.5.全连接层 4.AI Studio公开项目的展示 1.基本概念卷积神经网 ...
梅科尔工作室-深度学习-SVM
目录 1.svm介绍 1.1.svm概念 1.2.svm与knn的对比 2.svm算法原理 2.1.距离计算 2.2.目标函数 2.3.软间隔优化 2.4.核函数 3.百度飞桨已有公开项目的展示 1. ...
梅科尔工作室-深度学习第五节-CNN学习
目录 1.什么是CNN(卷积神经网络) 2.卷积层与池化层 2.1卷积层 2.2池化层 3.卷积神经网络的输入与输出 4.卷积神经网络之层级结构 5.激活函数 6.计算公式 1.什么是CNN(卷积神经 ...
梅科尔工作室-深度学习第三讲
什么是KNN KNN的原理就是当预测一个新的值x的时候,根据它距离最近的K个点是什么类别来判断x属于哪个类别. 图中绿色的点就是我们要预测的那个点,假设 K=3 .那么 KNN 算法就会找到与它距离 ...
梅科尔工作室-Django学习笔记（二次学习）（3）
本次学习的是如何用django实现前端鸿蒙OS登录下面介绍一下本次的操作过程. 1.首先创立MySQL数据并将数据库导入到django当中其中:导入数据库的操作: 2.配置urls 对应新建的pe ...
吴恩达深度学习第四课第一周卷积神经网络
文章目录前言一.计算机视觉(引言) 二.边缘检测示例(过滤器) 三.更多边缘检测内容(由亮到暗还是由暗到亮?) 四.Padding(Valid.Same.p) 五.卷积步长(s) 六.三维卷积(通 ...

梅科尔工作室——深度学习第四课

梅科尔工作室——深度学习第四课相关推荐

最新文章

热门文章