結構風險最小化理論：給出了線性分類器邊緣與其泛化誤差之間關係的形式化解釋
1.線性決策邊界wx+b=0
2.線性分類器的邊緣
3.學習線性svm模型
拉格朗日乘子法；kkt條件（支援向量）；對偶拉格朗日函式
軟邊緣，學習允許一定訓練錯誤的決策邊界
在優化問題的約束中引入正值的鬆弛變數
鬆弛變數提供了決策邊界在訓練樣本p上的誤差估計
懲罰鬆弛變數值很大的決策邊界，修改後的目標函式如下：
關鍵在於將資料從原先的座標空間變換到乙個新的座標空間，從而可以在變換後的空間中找到乙個線性的決策邊界劃分樣本。
1.屬性變換
問題：如何找到合適的對映函式
2.學習非線性svm模型
非線性svm的學習任務和線性svm很相似，主要區別在於學習任務是在變換屬性後的屬性上執行，而不是在原屬性上執行。
問題：運算麻煩，導致維災難，解決方法核技術
3.核技術
點積可以作為度量兩個輸入向量之間的相似度。
核技術是一種使用原屬性集計算變換後空間中的相似度的方法，變換後空間中的點積可以用原空間中的相似度函式表示，這個相似度函式k稱為核函式。
svm核的變換後空間也稱為再生核希爾伯特空間
4.mercer定理
五 分類 其他技術1
概念 規則前件 規則後件 覆蓋率 準確率 互斥規則 每條記錄至多被r中的一條規則覆蓋 窮舉規則 每條記錄都至少被r中的一條規則覆蓋 有序規則 規則集中的規則按照優先等級排序，有序的規則集被稱為決策表 無序規則 把記錄指派到得票最多的類 基於規則的排序方案 依據規則質量的某種度量對規則排序，確保每個記...
五 分類和協議
分類和協議 有時候在處理類定義的時候，可能想要為其新增一些新方法，但是由不想通過新建很多子類來繼承並且增加新方法，這個時候分類就有了用處。相當於在使用的時候只要註明是哪個分類。下面用例子來說明 import fraction.h inte ce fraction tests void printft...
pytorch筆記5 分類
用簡單的例子看一下神經網路是怎麼分類的 有兩組資料，一組資料屬於分類1，一組資料屬於分類0 建立資料 n data torch.ones 100,2 data1 torch.normal 2 n data,1 其中一組資料的x座標和y座標都包含再data1中 label1 torch.zeros 1...