zoukankan      html  css  js  c++  java
  • 处理线性不可分数据集的模型

    参考资料:Mastering Machine Learning With scikit-learn

    • 支持向量机(support vector machine, SVM)一种强大的分类和回归模型,可以有效的解决线性不可分问题。

      感知器不能有效的解决线性不可分问题。其实线性回归里面已经遇到过类似的问题,当时需要解决一个解释变量与响应变量存在非线性关系的问题。为了提高模型的准确率,我们引入了一种特殊的多元线性回归模型,多项式回归。通过对特征进行合理的组合,我们建立了高维特征空间的解释变量与响应变量的线性关系模型。

      随着特征空间的维度的不断增多,在用线性模型近似非线性函数时,上述方法似乎依然可行,但是有两个问题不可避免。首先是计算问题,计算映射的特征,操纵高维的向量需要更强大的计算能力。然后是与算法归纳有关的问题,特征空间的维度的不断增多会导致维度灾难。从高维的特征变量中学习,要避免拟合过度,就需要呈指数级增长的训练数据。

    • 人工神经网络(artificial neural networks,ANN),一种强大的非线性回归和分类模型。

      

      

  • 相关阅读:
    [转载]Nginx 常见应用技术指南
    【转载】Memcached Tip 2:Session同步
    【转载】大规模网站架构实战之体系结构
    【转载】3种Nginx防盗链的方法
    poj2390
    poj2395
    poj2393
    poj2209
    poj2392
    爱我更多,好吗?
  • 原文地址:https://www.cnblogs.com/JueJi-2017/p/7490711.html
Copyright © 2011-2022 走看看