5 关系: 序列最小优化算法,二次规划,薩摩亞語,ISO 639-2,支持向量机。
序列最小优化算法
序列最小优化算法(Sequential minimal optimization, SMO)是一种用于解决支持向量机训练过程中所产生优化问题的算法。SMO由微软研究院的于1998年发明,目前被广泛使用于SVM的训练过程中,并在通行的SVM库LIBSVM中得到实现。 1998年,SMO算法发表在SVM研究领域内引起了轰动,因为先前可用的SVM训练方法必须使用复杂的方法,并需要昂贵的第三方二次规划工具。而SMO算法较好地避免了这一问题。.
新!!: SMO和序列最小优化算法 · 查看更多 »
二次规划
二次规划(Quadratic programming),在运筹学当中,是一种特殊类型的最佳化问题。.
薩摩亞語
薩摩亞語(薩摩亞語:gagana Sāmoa)(英語:Samoan language)是薩摩亞與美屬薩摩亞的官方語言之一,也是兩地的傳統語言。薩摩亞語屬於南島語系。薩摩亞語的使用者約有370,337人,其中將近一半在薩摩亞。.
ISO 639-2
ISO 639-2:1998 是國際標準化組織 ISO 639 語言編碼標準的第二部分,為各語言和語系所訂定的 3 字母語言代碼。 ISO 639-2 的註冊機構是美國國會圖書館。 有 22 種語言同時在 ISO 639-2 中有兩個 3 字母語言代碼:.
新!!: SMO和ISO 639-2 · 查看更多 »
支持向量机
在机器学习中,支持向量机(support vector machine,常简称為SVM,又名支持向量网络)是在分类与迴歸分析中分析数据的監督式學習模型与相关的学习算法。给定一组训练实例,每个训练实例被标记为属于两个类别中的一个或另一个,SVM训练算法建立一个将新的实例分配给两个类别之一的模型,使其成为非概率线性分类器。SVM模型是将实例表示为空间中的点,这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后,将新的实例映射到同一空间,并基于它们落在间隔的哪一侧来预测所属类别。 除了进行线性分类之外,SVM还可以使用所谓的有效地进行非线性分类,将其输入隐式映射到高维特征空间中。 当数据未被标记时,不能进行监督式学习,需要用非監督式學習,它会尝试找出数据到簇的自然聚类,并将新数据映射到这些已形成的簇。将支持向量机改进的聚类算法被称为支持向量聚类Ben-Hur, Asa, Horn, David, Siegelmann, Hava, and Vapnik, Vladimir; "Support vector clustering" (2001) Journal of Machine Learning Research, 2: 125–137.