| 查看: 3937 | 回复: 45 | ||
| 【奖励】 本帖被评价34次，作者zjstar增加金币 28.2 个 | ||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | ||
[资源]
发表论文好用的机器学习算法:相关向量机RVM，记得收藏，万一需要啦
|
||
|
Tipping（RVM的作者）说RVM是一种用于回归和分类的贝叶斯稀疏核算法，和SVM很像，但是避免了SVM的诸多缺点。 例如，SVM无法计算样本输出的后验概率分布，SVM不太适用于多分类问题，SVM的超参数需要通过交叉验证得到，这就非常耗费时间，而且SVM的核函数必须是正定的。 而RVM却避免了这些缺点，这就意味着RVM可以计算输出的概率分布、很自然的适用于多分类问题，超参数不需要通过交叉验证得到，而且，核函数可以任意指定，不是必须要正定的。最后，RVM得到的解要比更SVM稀疏的解。 疏贝叶斯模型中，Sparse这一思想很重要，因为这样一来，RVM对训练数据集的大小要求就十分少了，这比较适用于图像的还原，比如在看到的一篇论文里“中国图像图形学报”中“基于稀疏贝叶斯学习的图像重建方法”中就用到了稀疏贝叶斯的学习机制以及压缩感知理论，其中压缩感知理论(具体的内容在我转载的另一篇文章中介绍的很详细)是基于随机输入的稀疏性质的，由数学大牛陶哲轩提出。在稀疏贝叶斯模型中，我们主要要做的问题是如何使用这一思想求我们要的东西，这里涉及到的是边缘似然最大化。 RVM作者原版程序，你值得拥有。 |
回复此楼» 本帖附件资源列表
-
欢迎监督和反馈：小木虫仅提供交流平台，不对该内容负责。
本内容由用户自主发布，如果其内容涉及到知识产权问题，其责任在于用户本人，如对版权有异议，请联系邮箱：xiaomuchong@tal.com - 附件 1 : RVM_matlabToolBox.rar
2016-12-30 08:09:57, 153.62 K
» 本帖已获得的红花（最新10朵）
majizhaosui» 猜你喜欢
申请科研项目纯靠实力能成功吗？
已经有11人回复
-
40+中年人失业后，还能找到好工作吗？
已经有5人回复
-
极限拉扯，如何抉择
已经有15人回复
-
二审4个多月了还是Awaiting Reviewer Scores
已经有4人回复
-
OpenAI又攻克数学难题了，离AI做有机合成还有多远？
已经有13人回复
-
课题组会帮你通过考核么？
已经有7人回复
-
售一区SCI文章T0P，我:8O.551.O54,科目全,可十急
已经有9人回复
-
售SCI一区文章，我:8O5.5.1.O5.4,科目全,可伽急
已经有10人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有8人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有9人回复
3楼2017-01-01 07:23:10
简单回复
2016-12-30 11:29
回复
五星好评 顶一下，感谢分享！
fbrobin5楼
2017-01-03 20:45
回复
五星好评 顶一下，感谢分享！
2017-01-04 07:43
回复
感谢分享 发自小木虫IOS客户端
材料廖7楼
2017-01-04 08:57
回复
五星好评 顶一下，感谢分享！
yahn8楼
2017-01-05 17:53
回复
五星好评 顶一下，感谢分享！
2017-01-06 13:08
回复
三星好评 顶一下，感谢分享！
majizhaosui10楼
2017-01-08 13:33
回复
五星好评 顶一下，感谢分享！
tdwcn12楼
2017-01-09 00:14
回复
五星好评 顶一下，感谢分享！
viskanta13楼
2017-01-11 20:45
回复
五星好评 顶一下，感谢分享！
daben201114楼
2017-01-20 00:19
回复
五星好评 顶一下，感谢分享！
200
