最近研究svm 結合了多篇文章，總結如下。
svm 本質是乙個支援向量的最大間隔分類器。之前的線型分類器，一般是定義所有的點到分類直線距離總和最大。而svm本質是支援向量距離和最大，這樣就排除異常點的影響，計算量也比較小。
svm它本質上即是乙個分類方法，用w^t+b定義分類函式，於是求w、b，為尋最大間隔，引出1/2||w||^2，繼而引入拉格朗日因子，化為對拉格朗日乘子a的求解（求解過程中會涉及到一系列最優化或凸二次規劃等問題），如此，求w.b與求a等價，而a的求解可以用一種快速學習演算法smo，至於核函式，是為處理非線性情況，若直接對映到高維計算恐維度**，故在低維計算，等效高維表現。
核函式能簡化對映空間中的內積運算——剛好「碰巧」的是，在我們的svm 裡需要計算的地方資料向量總是以內積的形式出現的。
核函式為什麼可以簡化內積運算內，原因如下。
核函式。
核函式本質是乙個相似函式。如下。x和l越相近f1=1 ，越遠 f1=0
對比下面的定義。計算核函式很類似計算，x和y的內積。而內積就是 x和y在高維空間中的表現。
svm通俗講解 SVM通俗講解
svm support vector machine 支援向量機相關理論介紹 基於資料的機器學習是現代智慧型技術中的重要方面，研究從觀測資料 樣本 出發尋找規律，利用這些規律對未來資料或無法觀測的資料進行 迄今為止，關於機器學習還沒有一種被共同接受的理論框架，關於其實現方法 大致可以分為 三種 3 ...
AUC直觀理解
相信這個問題很多玩家都已經明白了，簡單的概括一下，auc are under curve 是乙個模型的評價指標，用於分類任務。那麼這個指標代表什麼呢？這個指標想表達的含義，簡單來說其實就是隨機抽出一對樣本 乙個正樣本，乙個負樣本 然後用訓練得到的分類器來對這兩個樣本進行 得到正樣本的概率大於負樣本概...
pytorch scatter直觀理解
簡單記錄一下pytorch scatter 的理解，官方解釋在 官方的例子如下，下面說說使用層面的直觀理解。src torch.arange 1,11 reshape 2,5 src tensor 1,2,3,4,5 6,7,8,9,10 index torch.tensor 0,1,2,0 tor...