数据挖掘分类--判别式模型 ----支持向量机

支持向量机是一种非常流行的监督学习的算法  简称SVM  针对线性和非线性的数据 它是利用一种非线性转换,将原始训练数据映射到高维空间上。

目前已经在手写数字识别 对象识别 说话人识别  以及基准时间序列预测检验等方面得到了广泛的应用

SVM的目标是寻求一个超平面,  关心的是让离超平面最近的点能够具有最大的间距。

通过几何边缘和函数边缘的关系改写分类模式函数,最终进一步改写成一个典型的二次规划问题,,求解之后,可以通过拉格朗日公式将最大边缘超平面改写成决策边界。。。

SVM是一个相对比较新的概念,是一个确定性的算法 ,具有很好的泛化特性,使用二次规划技术进行批量学习,可以使用核函数对复杂的函数进行学习。

---------------------------------

关联分类 是基于关联规则的  

分为2步骤:第一步,是频繁项集挖掘 搜索反复出现在数据集中的属性-值对的模式,其中每个属性-值对看作项,多个属性-值对形成频繁项集。

第二部,规则产生,分析频繁项集,以便产生关联规则。

估计错误率    真正  真负 假正  假负  可以用于评估和分类器模型相关的代价和收益

原文地址:https://www.cnblogs.com/fxd-address/p/4857250.html