machine-learning - 如何计算拉格朗日乘数以用 QP 训练 SVM-6ren

machine-learning - 如何计算拉格朗日乘数以用 QP 训练 SVM

转载作者：行者123 更新时间：2023-11-30 09:13:39

26

4

我正在实现二次问题来训练 SVM。我能理解QP。但我不明白什么是拉格朗日乘子。谁能告诉我什么是拉格朗日乘数以及如何从训练示例中计算拉格朗日乘数。预先感谢。二次问题如下:

enter image description here

最佳答案

Lecture9.pdf 从第 43 页开始有一个很好的解释关于这个主题，你的二次问题在同一个讲义中从第 50 页开始就得到了解决。我认为我无法比这次讲座更好地解释它。

Lecture Notes 中还有一些有关 SVM 的附加信息。

关于machine-learning - 如何计算拉格朗日乘数以用 QP 训练 SVM，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/12090908/

26

4

0

文章推荐： java - 还记得 parse.com android 上的用户登录吗？

文章推荐： java - 边界框没有正确跟随 sprite。 ( java )

文章推荐： machine-learning - 从阳光解释结果模型

svm - 您如何处理 SVM 中的数据不平衡？
如果我在 lrge 训练集上训练 SVM，并且类变量是 True 或 False，那么与训练集中的 False 值数量相比，True 值很少会影响训练模型/结果吗？他们应该平等吗？如果我的训练集的 T
svm - 一类 SVM libSVM
假设我的特征向量是 (x1, x2, ...xn) 谁能给我一个代码来使用 libSVM 训练一类 SVM？我应该如何使用交叉验证来学习参数。最佳答案这可能会帮助你 label=ones(Num
svm - 计算 SVM 的边距和偏差
我提前为这个问题的新颖性道歉，但我被卡住了。我正在尝试解决这个问题，我可以做第 i)-1v) 部分，但我卡在了 v 上。我知道计算余量 y，你可以 y=2/||W|| 而且我知道W是超平面的法线，只
R - Hadoop - rmr2 - SVM 模型 - 将结果 "list"类转换为原始类 "svm.formula" "svm"
我有以下 R 配置: 操作系统:LinuxR 版本 3.0.1 (2013-05-16)rmr2 版本 2.2.1rhdfs 版本 1.0.6hadoop 版本 1.2.0 如何使用带 rmr2 包的
svm - 训练 SVM 分类器(词嵌入与句子嵌入)
我想尝试不同的嵌入，例如 Word2Vec、ELMo 和 BERT，但我有点困惑是使用词嵌入还是句子嵌入，以及为什么。我将嵌入用作 SVM 分类器的特征输入。谢谢。最佳答案虽然这两种方法都可以证
svm - 如何使用 SVM 和 KNN 对文本文档进行分类
几乎所有的例子都是基于数字的。在文本文档中，我有文字而不是数字。那么你能告诉我如何使用这些算法进行文本文档分类的简单示例吗？我不需要代码示例，只需要逻辑伪代码将有很大帮助最佳答案常用的方法是
svm - 需要 SVM 实现或 Java 库
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题，以便用事实和引用来回答。关闭 3 年前。
svm - 如何使用 mfcc 功能训练 svm 分类器进行语音识别？
我目前正处于语音识别的讨论阶段项目，我使用MFCC特征提取，但是从函数返回的MFCC特征是一个矩阵，例如每个语音文件(wav)的(20,38)特征矩阵。但是我如何将此功能传递给 SVM 分类器。对于
svm - 使用 SIFT 特征训练 SVM 分类器
请我喜欢用 SIFT DESCRIPTOR 和 SVM 将一组图像分类为 4 类。现在，使用 SIFT 提取器，我得到了不同大小的关键点，例如 img1 有 100 个关键点，img2 有 55 个关
machine-learning - 一类 SVM 概率估计以及一类 SVM 与聚类有何不同
我有一组图像。我想学习一类支持向量机(OC-SVM)来模拟特定类(正)的分布，因为我没有足够的例子来代表其他类(负)。我对 OC-SVM 的理解是，它试图将数据与源分离，换句话说，它试图学习一个超球体
python - SVM 实现，scikit 学习减少运行时间，最快的 svm
我正在使用 scikit-learn 使用 SVM 构建一些预测模型。我有一个包含大约 5000 个示例和大约 700 个特征的数据集。我在我的训练集上使用 18x17 网格搜索进行 5 折交叉验证，
machine-learning - 在扩展特征空间中，核 SVM 与线性 SVM 相比有哪些缺点？
这是我考试时提出的问题。我给出了以下答案，我的得分是0分。教授甚至不同意给予任何部分的认可，也没有告诉我我的答案有什么问题。谁能帮我找出我的答案有什么问题吗？这是我在考试中给出的答案。缺点是:1)
r - 调整 R 中的 svm 参数(线性 SVM 内核)
tune.svm() 和 best.svm() 有什么区别。当我们调整 svm 内核的参数时，我们不希望总是为我们的模型选择最佳值。请原谅，因为我是 R 和机器学习的新手。我注意到在调整 svm
OpenCV + HOG +SVM : help needed with SVM single feature vector
我尝试使用 OpenCV2.3 实现基于 SVM 和 HOG 的人员检测系统。但是我卡住了。我走到这一步:我可以从图像数据库计算 HOG 值，然后我用 LIBSVM 计算 SVM 向量，所以我得到例
hadoop - 最近 SVM 实现被添加到 Mahout 中，我打算使用 SVM。有人尝试过吗？
Mahout(机器)中围绕 SVM(支持向量机)的任何新发展Learning With Hadoop) 使用 Hadoop？最近 SVM 实现被添加到 Mahout 中。我打算使用 SVM。有人尝试过
python - 为什么sklearn.svm.SVC.predict()和sklearn.svm.SVC.predict_proba()的结果不一致？
我使用 sklearn.svm.SVC 构建支持向量分类器，如下所示。 import numpy as np from sklearn.svm import SVC svc=SVC(proba
scikit-learn - 如何用 epochs 训练 sklearn svm 模型(sklearn.svm.SVC)？
我想看看模型是否收敛于我的交叉验证。我如何增加或减少 sklearn.svm.SVC 中的时代？目前: SVM_Model = SVC(gamma='auto') SVM_Model.fit(X_t
machine-learning - 为什么 1-范数 SVM 比 2-范数 SVM 更稀疏？
与在 SVM 的相同成本函数中使用 2-范数权重相比，我们如何通过在成本函数中使用 1-范数权重来提高稀疏性。对于 1-范数:成本函数 - 最小化 ||w||_1 对于 2-范数:成本函数 - 最小
c++ - 使用 cpp 程序中的 svm-train.c 和 svm-predict.c
事实上，我不是一个经验丰富的 C++ 程序员，我是一个 C# 程序员，正如你所知道的，它有很大的不同，根据我的机器学习经验，我只使用了 matlab，所以如果我有一些，请原谅概念错误。我正在尝试在
opencv - 使用 svm load 加载保存的文件时，在 openCV 中使用 svm predict 函数时出错
我正在尝试使用 OpenCV 中的 SVM 加载函数加载 .xml 文件，然后使用预测函数对交通标志进行分类。当到达预测函数的执行时抛出错误: Unhandled exception at 0x000

首页

博学

6Ren·AI

商城

machine-learning - 如何计算拉格朗日乘数以用 QP 训练 SVM