SVM支持向量机预测作业教育课件.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,二级,三级,四级,五级,*,*,SVM支持向量机预测作业PPT讲座,SVM,的基本原理,波士顿房价预测,Svm,基本原理,支持向量机（,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,）,SVC,线性可分,SVR,Svc,基本原理,如何找到最优的决策边界呢？,Logistic,Sigmoid,损失函数,“不适定问题”,Svc,基本原理,最优决策边界,泛化能力,1,、能将训练样本划分,2,、距离这两个类别的最近样本尽可能远,“泛化误差”,Svc,基本原理,d,d,最优决策边界,泛化能力好,1,、能将训练样本划分,2,、距离这两个类别的最近样本尽可能远,支持向量,m,argin=2d,Svc,基本原理,d,d,最优决策边界,泛化能力好,1,、能将训练样本划分,2,、距离这两个类别的最近样本尽可能远,Svc,基本原理,d,d,最优决策边界,泛化能力好,1,、能将训练样本划分,2,、距离这两个类别的最近样本尽可能远,Svr,基本原理,m,argin=2d,波士顿房价预测,CRIM,：城镇人均犯罪率,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）,波士顿房价预测,波士顿房价预测,惩罚系数,C,波士顿房价预测,惩罚系数,C,深度,deep,波士顿房价预测,惩罚系数,C,gamma,波士顿房价预测,Thanks,！,