后驗(yàn)支持向量機(jī)學(xué)習(xí)報(bào)告-wenkub
2023-06-07 18:12:38 本頁面
【正文】 份用來估計(jì)。A和B是需要估計(jì)的參數(shù)值，其優(yōu)化策略可以通過解最大似然問題來解決：其中，l為樣本的數(shù)量，和分別是正類和負(fù)類樣本的數(shù)量。Vapnik提出一種將SVM的離散輸出映射為概率的方法，Wahha研究再生核Hilbert空間的表示定理，應(yīng)用到統(tǒng)計(jì)學(xué)習(xí)理論和SVM中。對于非線性可分的數(shù)據(jù)集引入了松弛變量來控制樣本的誤分率構(gòu)造線性分類器，利用核方法推廣線性分類器為非線性分類器。SVM能夠較好的泛化能力，在許多問題上表現(xiàn)得很好，于是對SVM的研究受到人們很大的關(guān)注，同時(shí)SVM的使用也越來越廣泛，但SVM僅能給出分類結(jié)果，而不能給出確切的各類的概率，而在很多應(yīng)用場合中，人們不僅關(guān)注分類的結(jié)果，更關(guān)注分為各類的概率。Platt等提出一種將支持向量機(jī)決策函數(shù)的輸出映射為類后驗(yàn)概率的算法（PPSVM），這是本次學(xué)習(xí)的主要內(nèi)容。 這種參數(shù)估計(jì)方法會(huì)出現(xiàn)一些問題，分別是Sigmoid函數(shù)訓(xùn)練集的選擇和如何避免擬合出錯(cuò)。用交叉驗(yàn)證的方法可以使Sigmoid函數(shù)的訓(xùn)練集變大，而且能夠給出一個(gè)更小的A和B的估計(jì)方差。使用的是草地是否潮濕的模型，模型結(jié)構(gòu)如下：對數(shù)據(jù)集采用實(shí)則交叉驗(yàn)證，%，%，實(shí)驗(yàn)結(jié)果顯示使用PPSVM所取得的效果和單獨(dú)使用SVM所取得的結(jié)果在準(zhǔn)確率上相差不大，但使用PPSVM可以獲得一個(gè)后驗(yàn)概率，這是Platt的最大貢獻(xiàn)。loTarget=1/(prior0+2)。pp=(prior1+1)/(prior1+prior0+2)*ones(m,n)。c=0。 else t=loTarget。 b=b+d2。 end if(abs(d)10^(9) amp。 oldB=B。 end A=oldA+((b+lambda)*dc*e)/det。 pp(i)=p。 end lambda=lambda*10。 if(di
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1