目前平台处于试运行阶段,如有任何问题或建议,请发送邮件至 service@dataju.cn 或加入QQ群 565136792 联系管理员。

满足不同角色需求:领域专家 数据管理者 数据科学家 科研人员、高校教师及研究生 数据分析爱好者
线性核函数C-SVC分类方法
1830次浏览 dataju 于 2016-07-10 发布
该内容是由用户自发提供,聚数力平台仅提供平台,让大数据应用过程中的信息实现共享、交易与托管。如该内容涉及到您的隐私或可能侵犯版权,请告知我们及时删除。
分析方法描述

线性核函数C-SVC模型,是采用线性核函数的C-SVC模型。C-SVC模型是支持向量机模型(Support Vector Machine)的一种,针对有监督学习(Supervised Learning)中的二分类(Binary Classification)问题。使用线性决策函数$ f(x) = w^T \cdot x +b $,对二分类数据尽可能进行划分。其求解最优化问题的原始问题如下: $$ \begin{equation} \begin{split} \min_{w, \xi} & \quad \frac{1}{2} \|w\|^2 + C \sum_{i=1}^{n} { \xi_i } \\ s.t. & \quad y_i (w^T \cdot x_i + b) \geq 1 - \xi_i, \\ & \quad \xi_i \geq 0, i=1,2,..,n. \end{split} \label{svmOriginal} \end{equation} $$

在原始问题 \eqref{svmOriginal} 中,建模对象数量为$n$,每个建模实例为$x_i$。最终的决策函数为 $ f(x) = w^T \cdot x +b $。


分析方法参数
# 名称 描述
1 参数C值 权衡经验风险和置信区间两个的参数
相关应用案例
# 应用案例名称 应用案例介绍
1 UCI Iris 数据集支持向量机建模预测鸢花种类 UCI Iris 数据集,采用多分类支持向量机 C-SVC 方法建模,通过鸢花外形数据预测鸢花种类。
2 UCI Beast-cancer 数据集 SVM 建模预测乳腺癌可能性 UCI Beast-cancer 数据集 SVM 建模预测乳腺癌可能性
参考资料
暂无

目前平台处于试运行阶段,如有任何问题或建议,请发送邮件至 service@dataju.cn 或加入QQ群 565136792 联系管理员。