SF
阿健的机器学习
阿健的机器学习
注册登录
关注博客
注册登录
主页
关于
RSS
关于SVM类别选择的一点思考
阿健
2018-10-19
阅读 2 分钟
2.8k
如图1所示,直线方程为x+y-4=0,设直线上方的"o"为正例,直线下方的"+"为负例。当样本点被超平面正确分类时,满足yi(w*xi +b) > 0条件,但是这个前提是假设**直线上方的点为正例,下方的点为负例。
关于核函数的一些思考
阿健
2018-10-19
阅读 3 分钟
4.3k
想写一下我自己对于核函数的理解,虽然并不知道核函数的发明过程,但我想以自己的理解,来重现这个过程。 核函数的应用很广,在SVM上的应用只是冰山一角。即便如此,我还是假设发明人是在解决SVM问题的过程了发明的核函数。 对于一个二分类问题,有一个理想的数据集,假设它是线性可分的,这时直接应用SVM算法即可进行分...
手把手教你画ROC曲线
阿健
2018-10-19
阅读 2 分钟
24.3k
假设现在有一个二分类问题,先引入两个概念: 真正例率(TPR):正例中预测为正例的比例 假正例率(FPR):反例中预测为正例的比例 再假设样本数为6,现在有一个分类器1,它对样本的分类结果如下表(按预测值从大到小排序) 标签 预测值 1 0.9 1 0.8 1 0.7 0 0.3 0 0.2 0 0.1 ROC曲线的横轴为假正例率,纵轴为真正例率,...