后驗(yàn)支持向量機(jī)學(xué)習(xí)報(bào)告-預(yù)覽頁(yè)
【正文】 是簡(jiǎn)單的和訓(xùn)練SVM共用訓(xùn)練集，但是這種方法容易f的估計(jì)造成偏差，對(duì)于非線性SVM這種偏差甚至是災(zāi)難性的。當(dāng)數(shù)據(jù)集是一個(gè)非平衡數(shù)據(jù)集時(shí)，會(huì)出現(xiàn)Sigmoid函數(shù)的擬合出錯(cuò)，當(dāng)樣本只有少數(shù)正類(lèi)而且與負(fù)類(lèi)線性可分時(shí)，最大似然方法仍然簡(jiǎn)單地將A設(shè)為一個(gè)很大的負(fù)數(shù)，這可能會(huì)造成估計(jì)結(jié)果中出現(xiàn)無(wú)窮量，通過(guò)對(duì)添加擾動(dòng)可以避免這種情況出現(xiàn)，具體的做法是。附錄附錄1 Sigmoid函數(shù)算法代碼matlab實(shí)現(xiàn)function [A,B]=Sigmoid_E(out,target,prior1,prior0)A=0。lambda = 10^(3)。count=0。d=0。 end d1=pp(i)t。 c=c+out(i)*d2。amp。 while(1) det=(a+lambda)*(b+lambda)c*c。 B=oldB+((a+lambda)*ec*d)/det。 err = errt*log(p)+(1t)*log(1p)。 if(lambda=10^6) break。amp。 if( count==3) break。Sheet139。[m,n]=size(data)。svm_accuracy=[]。 end if ii == 10 dataTest = data(1+subsetlen*(ii1):subsetlen+subsetlen*(ii1),:)。 ii1 dataTest = data(1+subsetlen*(ii1):subsetlen+subsetlen*(ii1),:)。)。 prior1=length(find(dataTraining(:,end)==1))。 plabels=round(plabe
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1