Just My Life & My Work

Posts tagged ‘classification’

[OpenCV] SVM 實驗2

SVM實驗後,接著實驗高階的SVM。首先還是要瞭解支持向量機器 (Support Vector Machine)非線性支持向量機器 (Non-linear SVMs),先前的SVM實驗也可以參考。

(繼續閱讀…)

[OpenCV] SVM 實驗

剛把OpenCV更新到2.4.3版,來試驗一下它的SVM好不好用。首先當然要瞭解支持向量機器 (Support Vector Machine)非線性支持向量機器 (Non-linear SVMs),先前的SVM實驗也可以參考。

支持向量機(Support Vector Machine, SVM)是一種監督式學習的方法,一般是應用於分類(Classification/supervised learning)等相關議題上。SVM 基本運作模式如下:在給定一群訓練樣本之下,每個樣本會分別對應至兩個不同的類別(Category),SVM 會嘗試從建構一個模型(Model),並利用此模型將每一個樣本分配到一個類別上。

(繼續閱讀…)

非線性支持向量機器 (Non-linear SVMs)

承接支持向量機器 (Support Vector Machine)的介紹之後,我們知道資料通常沒有那麼容易地被完美分類,那問題是不是就無解了呢?其實不然,如果用直線無法區分,那麼就用曲線來區分,然而曲線也會遇到障礙,而不得不讓資料混在錯的類別,如果我們提高層次來看待分類,那麼問題似乎就變得簡單了。

(繼續閱讀…)

支持向量機器 (Support Vector Machine)

支持向量機器 (Support vector machine)通常用在機器學習 (Machine learning)。是一種監督式學習 (Supervised Learning)的方法,主要用在分類 (Classification)回歸 (Regression)上。現今多數人多簡稱之為SVM,在此來個SVM概念教學。

註:監督式學習,是一個機器學習中的技巧,可以由訓練資料中學到或建立一個模式(function / learning model),並依此模式推測新的實例 (instances)。訓練資料(training data)是由輸入物件(通常是向量)和預期輸出所組成。函數的輸出可以是一個連續的值(稱為迴歸分析),或是預測一個分類標籤(稱作分類)。

(繼續閱讀…)

標籤雲

%d 位部落客按了讚: