后驗支持向量機學(xué)習(xí)報告-展示頁
2025-06-01 18:12本頁面
【正文】 在訓(xùn)練Sigmoid的樣本中有支持向量造成Sigmoid函數(shù)的參數(shù)估計的不準確。 這種參數(shù)估計方法會出現(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。設(shè)SVM的輸入為，其中，誤差函數(shù)：，Platt的主要工作就是找到Sigmoid函數(shù)用于近似支持向量機的后驗概率，Sigmoid函數(shù)轉(zhuǎn)換形式如下： 其中，f為標準SVM的輸出結(jié)果，表示在輸出值f的條件下分類正確的概率。Platt等提出一種將支持向量機決策函數(shù)的輸出映射為類后驗概率的算法（PPSVM），這是本次學(xué)習(xí)的主要內(nèi)容。貝葉斯分類器雖然能提供各類的后驗概率，但貝葉斯分類器需要預(yù)先知道類條件概率密度，通常在實際問題中這是無法獲取的。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。后驗支持向量機學(xué)習(xí)報告1 后驗支持向量機支持向量機（SVM）是在由Vapnik等人發(fā)展的統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一類學(xué)習(xí)算法，通過對線性可分訓(xùn)練集按類間最大間隔設(shè)計分類器的方法來達到較好的推廣能力。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。如銀行的信用欺詐檢測，銀行不僅想知道哪些人存在欺詐的可能，更希望能知道每個人欺詐的概率，這樣有助于銀行做出更好地決策。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)計學(xué)習(xí)理論和SVM中。2 后驗支持向量機PPSVMPlatt提出PPSVM，主要思想是用擬合一個后驗概率的參數(shù)模型，將標準SVM的輸出結(jié)果映射為后驗概率。A和B是需要估計的參數(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，和分別是正類和負類樣本的數(shù)量。最早訓(xùn)練Sigmoid函數(shù)所用的訓(xùn)練集是簡單的和訓(xùn)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1