- 同样，分类决策函数中的内积也可以用核函数代替，而分类决策函数式成为也就是说，在核函数K(x,z)给定的条件下，可以利用解线性分类问题的方法求解非线性分类问题的支持向量机。学习是隐式地在特征空间进行的，不需要显式地定义特征空间和映射函数。这样的技巧称为核技巧，它是巧妙地利用线性分类学习方法与核函数解决非线性问题的技术。在实际应用中，往往依赖领域知识直接选择核函数，核函数选择的有效性需要通过实验... 同样，分类决策函数中的内积也可以用核函数代替，而分类决策函数式成为也就是说，在核函数K(x,z)给定的条件下，可以利用解线性分类问题的方法求解非线性分类问题的支持向量机。学习是隐式地在特征空间进行的，不需要显式地定义特征空间和映射函数。这样的技巧称为核技巧，它是巧妙地利用线性分类学习方法与核函数解决非线性问题的技术。在实际应用中，往往依赖领域知识直接选择核函数，核函数选择的有效性需要通过实验...
- 1. 非线性分类问题非线性分类问题是指通过利用非线性模型才能很好地进行分类的问题。先看一个例子：左图是一个分类问题，图中“·”表示正实例点，“x”表示负实例点。由图可见，无法用直线（线性模型）将正负实例正确分开，但可以用一条椭圆曲线（非线性模型）将它们正确分开。非线性问题往往不好求解，所以希望能用解线性分类问题的方法解决这个问题。所采取的方法是进行一个非线性变换，将非线性问题变换为线性问题，... 1. 非线性分类问题非线性分类问题是指通过利用非线性模型才能很好地进行分类的问题。先看一个例子：左图是一个分类问题，图中“·”表示正实例点，“x”表示负实例点。由图可见，无法用直线（线性模型）将正负实例正确分开，但可以用一条椭圆曲线（非线性模型）将它们正确分开。非线性问题往往不好求解，所以希望能用解线性分类问题的方法解决这个问题。所采取的方法是进行一个非线性变换，将非线性问题变换为线性问题，...
- 1. 合页损失函数介绍线性支持向量机学习还有另外一种解释，就是最小化以下目标函数：目标函数的第1项是经验损失或经验风险，函数称为合损失函数。下标“+”表示以下取正值的函数2. 正则化合页损失最优化与线性支持向量机最优化的等价性定理： 线性支持向量机原始最优化问题：等价于正则化合页损失最优化问题证明：正则化合页损失最优化问题可以写成原始最优化问题令则因此，正则化合页损失最优化问题可以写成等价于... 1. 合页损失函数介绍线性支持向量机学习还有另外一种解释，就是最小化以下目标函数：目标函数的第1项是经验损失或经验风险，函数称为合损失函数。下标“+”表示以下取正值的函数2. 正则化合页损失最优化与线性支持向量机最优化的等价性定理： 线性支持向量机原始最优化问题：等价于正则化合页损失最优化问题证明：正则化合页损失最优化问题可以写成原始最优化问题令则因此，正则化合页损失最优化问题可以写成等价于...
- 线性支持向量机学习的原始问题是其对偶问题是对偶问题的KKT条件为（可参见学习笔记|广义拉格朗日函数与KKT条件的应用）令对偶问题的解为参考文献【1】统计学习方法（第2版），李航著，清华大学出版社 线性支持向量机学习的原始问题是其对偶问题是对偶问题的KKT条件为（可参见学习笔记|广义拉格朗日函数与KKT条件的应用）令对偶问题的解为参考文献【1】统计学习方法（第2版），李航著，清华大学出版社
- 线性可分问题的支持向量机学习方法，对线性不可分训练数据是不适用的，因为这时上述方法中的不等式约束并不能都成立。（可参见学习笔记|线性可分支持向量机学习的间隔最大算法）怎么才能将它扩展到线性不可分问题呢？这就需要修改硬间隔最大化，使其成为软间隔最大化。假设给定一个特征空间上的训练数据集有了上面的思路，可以和训练数据集线性可分时一样来考虑训练数据集线性不可分时的线性支持向量机学习问题。相应于硬间... 线性可分问题的支持向量机学习方法，对线性不可分训练数据是不适用的，因为这时上述方法中的不等式约束并不能都成立。（可参见学习笔记|线性可分支持向量机学习的间隔最大算法）怎么才能将它扩展到线性不可分问题呢？这就需要修改硬间隔最大化，使其成为软间隔最大化。假设给定一个特征空间上的训练数据集有了上面的思路，可以和训练数据集线性可分时一样来考虑训练数据集线性不可分时的线性支持向量机学习问题。相应于硬间...
- 前言 要想了解如何增强机器学习模型性能，我们需要知道如何降低模型的误差。所以首先我们必须明白模型误差是由偏差（Bias）和方差（Variance）组成的。偏差是指样本预测值的平均值与样本真实值的差，而方差是指样本预测值偏离样本预测值平均值的程度。 其中 偏差（Bias）可以描述模型的准确性 而方差（Variance）可以描述模... 前言 要想了解如何增强机器学习模型性能，我们需要知道如何降低模型的误差。所以首先我们必须明白模型误差是由偏差（Bias）和方差（Variance）组成的。偏差是指样本预测值的平均值与样本真实值的差，而方差是指样本预测值偏离样本预测值平均值的程度。 其中 偏差（Bias）可以描述模型的准确性 而方差（Variance）可以描述模...
- 文章目录 前言 系列文章 3.2 割边、割集、割点 3.2.1 割边与割集 定理3.4 推论3.4 ... 文章目录 前言 系列文章 3.2 割边、割集、割点 3.2.1 割边与割集 定理3.4 推论3.4 ...
- logistic回归是统计学习中的经典分类方法，属于对数线性模型。1. logisitc分布定义（logistic分布） 设X是连续随机变量，X服从logistic分布是指X具有下列分布函数和密度函数：其中，μ为位置参数，γ>0为形状参数。logistic分布的密度函数f(x)和分布函数F(x)的图形如下：曲线在中心附近增长速度较快，在两端增长速度较慢。形状参数γ的值越小，曲线在中心附近增长... logistic回归是统计学习中的经典分类方法，属于对数线性模型。1. logisitc分布定义（logistic分布） 设X是连续随机变量，X服从logistic分布是指X具有下列分布函数和密度函数：其中，μ为位置参数，γ>0为形状参数。logistic分布的密度函数f(x)和分布函数F(x)的图形如下：曲线在中心附近增长速度较快，在两端增长速度较慢。形状参数γ的值越小，曲线在中心附近增长...
- 目录 R语言的特点 R语言的优点 R语言的缺点 每文一语 R是一种解释型语言，输入的命令可以直接被执行，不同于C等编译语言需要构成完整的程序才能运行。与Python一样是科研党的最爱和神器之一！ R语言的特点 （1）R是统计分析、绘图功能的自由开源软件，拥有完整体系的数据分析和挖掘工具，能够有效的数据存储... 目录 R语言的特点 R语言的优点 R语言的缺点 每文一语 R是一种解释型语言，输入的命令可以直接被执行，不同于C等编译语言需要构成完整的程序才能运行。与Python一样是科研党的最爱和神器之一！ R语言的特点 （1）R是统计分析、绘图功能的自由开源软件，拥有完整体系的数据分析和挖掘工具，能够有效的数据存储...
- 废话不说了，数据集和注意地方在第一篇。 记得点个赞加个关注，后续我会继续分享。 上代码！！ import numpy as np def dataSet(): # 西瓜数据集离散化 ... 废话不说了，数据集和注意地方在第一篇。 记得点个赞加个关注，后续我会继续分享。 上代码！！ import numpy as np def dataSet(): # 西瓜数据集离散化 ...
- 目录 前言 1.4 基变换与坐标变换 1.4.1 基变换公式 1.4.2 坐标变换公式 举例 例 - 1 ... 目录 前言 1.4 基变换与坐标变换 1.4.1 基变换公式 1.4.2 坐标变换公式 举例 例 - 1 ...
- 目录 前言 1.3 线性空间的基与坐标 定义1.2 线性相关/无关 定义1.3 向量空间（线性空间） 定理 1.3.1 线性组合 定义... 目录 前言 1.3 线性空间的基与坐标 定义1.2 线性相关/无关 定义1.3 向量空间（线性空间） 定理 1.3.1 线性组合 定义...
- 目录 前言 1.2 线性空间定义及其性质 定义1.1：线性空间（向量空间） 定理 1.2.1：零元与负元 命题1 ... 目录 前言 1.2 线性空间定义及其性质 定义1.1：线性空间（向量空间） 定理 1.2.1：零元与负元 命题1 ...
- 目录 前言 1.1 集合与映射 平凡子集合 和集 映射 满射 单射 一一映射 ... 目录 前言 1.1 集合与映射 平凡子集合 和集 映射 满射 单射 一一映射 ...
- 1. 简介感知机是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1或-1.感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。感知机旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。感知机于1957年由Rosenblatt提出，是神经网络与支持向量机的基本。2. ... 1. 简介感知机是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1或-1.感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。感知机旨在求出将训练数据进行线性划分的分离超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得感知机模型。感知机于1957年由Rosenblatt提出，是神经网络与支持向量机的基本。2. ...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签