开发工具:
文件大小: 519kb
下载次数: 0
上传时间: 2021-02-22
详细说明：尽管支持向量机（SVM）的解决方案相对稀疏，但由于支持向量的数量通常随训练集的大小线性增长，因此不必要地自由使用了基函数。 在本文中，我们提出了一种简单的后处理方法，以稀疏化支持向量回归（SVR）的解决方案。 主要思想如下：首先，我们在完整的训练设备上训练一台SVR机器。 然后，另一台SVR机器仅在具有修改后目标值的完整训练集中的子集上进行训练。 此过程反复进行几次。 实验表明，该方法在保持SVR良好泛化能力的同时，可以大大减少支持向量。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
