1 Star 3 Fork 0

kylewang/SVM算法以及决策树算法-上

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README

空文件

简介

1. 为什么要引入核函数? 2. 给出合页损失的数学形式并画出图形。 3. 什么是支持向量?为什么SVM中只有一小部分的训练样本是支持向量(稀疏的)? 4. 决策树中特征分裂的准则有哪些? 5. SVM模型并没有概率解释。为了使SVM模型能输出概率,我们应该设置哪个参数? 6. 采用train_test_split,从将数据集中随机抽取10000条记录,用于下述作业中模型的训练(原始数据集太大,剩余数据抛弃)。 7. 根据6中得到的训练数据,训练线性SVM,并对超参数(正则惩罚项、C)进行超参数调优,并分析不同C对应的训练误差和交叉验证得到的测试误差的变化趋势。 8. 根据6中得到的训练数据,训练RBF核SVM,并对超参数(C和gamma)进行超参数调优,并分... 展开 收起
取消

发行版

暂无发行版

贡献者

全部

近期动态

加载更多
不能加载更多了
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
1
https://gitee.com/kylewang_ai/week_9_basic_work.git
[email protected]:kylewang_ai/week_9_basic_work.git
kylewang_ai
week_9_basic_work
SVM算法以及决策树算法-上
master

搜索帮助