序列化是一种常见的数据传输机制,但是 Lambda 序列化可以将 Java 的一个方法进行传输,从而实现动态脚本等功能
Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器(强分类器)。
SMO 是解决 SVM 中目标函数优化的一个快速的算法,本文通过 Python 代码实现了该算法,通过将原算法公式和代码进行一一比对让读者更能理会整个算法原理和实现步骤。
1996年,John Platt 发布一个称为 SMO(Sequential Minimal Optimization,序列最小优化)的强大算法,用于训练 SVM,该算法的核心思想是将原问题分解成多个小问题分别进行优化求解。
KKT 条件是解决最优化问题的时用到的一种方法。最优化问题通常是指对于给定的某一函数,求其在指定作用域上的全局最小值。
支持向量机,因其英文名为support vector machine,故一般简称SVM,通俗来讲,它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。
决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。