支持向量机

发表于 更新于 Disqus： 本文字数： 620 阅读时长 ≈ 1 分钟

以前听过很多次 SVM，现在见识到了它的厉害。😄

1.2.1 Gaussian Kernel

1
sim = exp(-sum((x2-x1).^2)./(2*sigma.^2));

1.2.3 Example Dataset 3

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
l = [0.01, 0.03, 0.1, 0.3, 1, 3, 10, 30];
mix = realmax;

for c = l
    for s = l
        model= svmTrain(X, y, c, @(x1, x2) gaussianKernel(x1, x2, s));

        p = svmPredict(model, Xval);
        m = mean(double(p ~= yval));

        if m < mix
            C = c;sigma = s;mix = m;
        end
    end
end

我把高斯核函数写成可以把 sigma 作为一个向量传递，得到一个模拟向量，因此g = gaussianKernel(x1, x2, s)是一个向量，可以跳过for c = l循环中多余的计算for s = l。那么如果svmTrain可以作为一个向量计算，for c = l也可以跳过。

但它不能。😢

它与函数式编程有什么联系吗？

2.1.1 Vocabulary List

1
2
3
4
i = find(strcmp(vocabList, str));
if i
    word_indices = [word_indices; i];
end

2.2 Extracting Features from Emails

1
2
3
for i = word_indices
    x(i) = 1;
end