机器学习实战Py3.x填坑记6—支持向量机

本章内容
1，简单介绍支持向量机
2，利用SMO进行优化
3，利用核函数对数据进行空间转换
4，将SVM和其他分类器进行对比

所谓支持向量(support vector)就是离分隔超平面最近的那些点。
SMO高效优化算法来训练SVM，SMO表示序列最小化（Sequential Minimal Optimization）。

In [161]: svmMLiA.testDigits(('rbf', 20))
在执行<程序清单6-9 基于SVM的手写数字识别>上面的命令的之后出现了如下问题：
待我回头debug……

 File "D:\py\meachinelearning\ch06\svmMLiA.py", line 260, in testDigits
    b, alphas = smoP(dataArr, labelArr, 200, 0.0001, 10000, kTup)

UnboundLocalError: local variable 'labelArr' referenced before assignment

参考链接：
机器学习实战 - 读书笔记(06) – SVM支持向量机

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容