资源描述
SVM的基本原理波士顿房价预测(yc)第1页/共16页第一页,共17页。Svm基本原理支持(zhch)向量机(Support Vector Machine,SVM)分类(Support Vector Classification,SVC)和回归(Support Vector Regression,SVR)线性可分(Hard Margin SVM)和非线性可分(Soft Margin SVM)第2页/共16页第二页,共17页。Svc基本原理“不适(bsh)定问题”第3页/共16页第三页,共17页。Svc基本原理“泛化误差(wch)”第4页/共16页第四页,共17页。Svc基本原理支持(zhch)向量第5页/共16页第五页,共17页。Svc基本原理第6页/共16页第六页,共17页。Svc基本原理第7页/共16页第七页,共17页。Svr基本原理第8页/共16页第八页,共17页。波士顿房价预测(yc)CRIM:城镇人均(rn jn)犯罪率ZN:住宅用地所占比例INDUS:城镇中非住宅用地所占比例CHAS:查尔斯虚拟变量,用于回归分析NOX:环保指数RM:每栋住宅的房间数AGE:1940年以前建成的自主单位的比例DIS:距离5个波士顿的就业中心的加权距离RAD:距离高速公路的便利指数TAX:每一万美元的不动产税率PRTATIO:城镇中的教师学生比例B:城镇中的黑人比例LSTAT:地区中有多少房东属于低收入人群MEDV:自住房屋房价中位数(均价)第9页/共16页第九页,共17页。波士顿房价预测(yc)第10页/共16页第十页,共17页。波士顿房价预测(yc)第11页/共16页第十一页,共17页。波士顿房价预测(yc)第12页/共16页第十二页,共17页。波士顿房价预测(yc)第13页/共16页第十三页,共17页。波士顿房价预测(yc)第14页/共16页第十四页,共17页。Thanks!第15页/共16页第十五页,共17页。感谢您的观看(gunkn)!第16页/共16页第十六页,共17页。NoImage内容(nirng)总结SVM的基本原理。支持向量机(Support Vector Machine,SVM)。分类(fn li)(Support Vector Classification,SVC)和回归(Support Vector Regression,SVR)。线性可分(Hard Margin SVM)和非线性可分(Soft Margin SVM)。Logistic Sigmoid 损失函数。AGE:1940年以前建成的自主单位的比例第十七页,共17页。
展开阅读全文