SVM支持向量机预测作业实用教案

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。