Using SVM in Practice(SVM在实践中的应用)
在实际应用中，并不推荐 自己写SVM的算法，可以使用别人已经写好的，那我们需要做什么呢？
如下图：
对于核函数的选型，我们一般会选择线性核函数和高斯核函数。
一般情况下，我们需要自己提供核函数，必要的时间需要做归一化：
其他核函数的选择？
多元分类中SVM算法的应用：
logistic回归算法、神经网络和SVM的比较？
可能我们在遇到实际问题时，还是不知道应该选择哪一种算法，没关系，我们之前讲过最后决定结果的是数据集的大小、调优参数等因素，但是SVM仍然是比较高效的一个算法。
最后
以上就是高挑大门最近收集整理的关于Machine Learning第七讲SVM -- （三）SVM在实践中的应用的全部内容，更多相关Machine内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复