久久熟妇人妻午夜寂寞影院,亚洲精品无播放器在线观看,狠狠色噜狠狠狠狠色综合久,亚洲精品一区二区三区影院

  • 產(chǎn)品|
  • 采購(gòu)|
  • 企業(yè)|
  • 資訊|
  • 展會(huì)|

客服QQ:544721284

您所在的位置:首頁 > 資訊 > 分析預(yù)測(cè) > 基于svm的回歸預(yù)測(cè)分析

基于svm的回歸預(yù)測(cè)分析

日期: 2021-03-30 瀏覽人數(shù): 148 來源: 編輯:

分享到:
核心提示:  SVM方法是通過一個(gè)非線性映射p,把樣本空間映射到一個(gè)高維乃至無窮維的特征空間中(Hilbert空間),使得在原來的樣本空間中非

  SVM方法是通過一個(gè)非線性映射p,把樣本空間映射到一個(gè)高維乃至無窮維的特征空間中(Hilbert空間),使得在原來的樣本空間中非線性可分的問題轉(zhuǎn)化為在特征空間中的線性可分的問題.簡(jiǎn)單地說,就是升維和線性化.升維,就是把樣本向高維空間做映射,一般情況下這會(huì)增加計(jì)算的復(fù)雜性,甚至?xí)鹁S數(shù)災(zāi)難,因而人們很少問津.但是作為分類、回歸等問題來說,很可能在低維樣本空間無法線性處理的樣本集,在高維特征空間中卻可以通過一個(gè)線性超平面實(shí)現(xiàn)線性劃分(或回歸).一般的升維都會(huì)帶來計(jì)算的復(fù)雜化,SVM方法巧妙地解決了這個(gè)難題:應(yīng)用核函數(shù)的展開定理,就不需要知道非線性映射的顯式表達(dá)式;由于是在高維特征空間中建立線性學(xué)習(xí)機(jī),所以與線性模型相比,不但幾乎不增加計(jì)算的復(fù)雜性,而且在某種程度上避免了維數(shù)災(zāi)難.這一切要?dú)w功于核函數(shù)的展開和計(jì)算理論.

  支持向量機(jī)(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的,它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì),并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中。

  回歸分析是廣泛應(yīng)用的統(tǒng)計(jì)分析方法,可用于分析自變量和因變量的影響搞關(guān)系(通過自變量求因變量),也可以分析自變量對(duì)因變量的影響方向(正影響還是負(fù)影響)?;貧w分析的主要應(yīng)用場(chǎng)景是進(jìn)行預(yù)測(cè)和控制,例如計(jì)劃制定,KPI制定,目標(biāo)制定等,也可基于預(yù)測(cè)數(shù)據(jù)與實(shí)際數(shù)據(jù)進(jìn)行比對(duì)和分析,確定事件發(fā)展程度并給未來行動(dòng)提供方向性指導(dǎo)。

免責(zé)聲明:
本網(wǎng)站部分內(nèi)容來源于合作媒體、企業(yè)機(jī)構(gòu)、網(wǎng)友提供和互聯(lián)網(wǎng)的公開資料等,僅供參考。本網(wǎng)站對(duì)站內(nèi)所有資訊的內(nèi)容、觀點(diǎn)保持中立,不對(duì)內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。如果有侵權(quán)等問題,請(qǐng)及時(shí)聯(lián)系我們,我們將在收到通知后第一時(shí)間妥善處理該部分內(nèi)容。

微信

關(guān)注地?cái)値?/b>官方微信賬號(hào):“ditanku”,每日獲得互聯(lián)網(wǎng)最前沿資訊,熱點(diǎn)產(chǎn)品深度分析!
關(guān)鍵詞: 回歸預(yù)測(cè)分析
0條 [查看全部]  相關(guān)評(píng)論