- 1、本文档共59页,其中可免费阅读20页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
对基于弹珠损失函数的孪生支持向量机的改进及研究
支持向量机是机器学习中的一个重要方法。在分类,回归,聚类等领域,支持向量
机都是主要的使用工具。支持向量机与特征选择也有着密切的关系,这种关系主要体现
在以下几个方面:第一,特征选择作为预处理步骤可以对冗余或不平衡的数据集进行处
理,提高模型的泛化能力。第二,支持向量机可以提供每个特征在分类决策中的权重信
息。在使用线性核函数的情况下,支持向量机的决策边界可以表示为特征的线性组合,
而特征权重即为这些特征在决
文档评论(0)