有沒有做過支持向量機(jī)做預(yù)測模型的matlab程序做個(gè)參考？瀉藥，應(yīng)該用支持向量機(jī)做回歸預(yù)測！沒有預(yù)測，但根據(jù)被試的描述，j只與三個(gè)變量XYZ同時(shí)相關(guān)。它可以用支持向量機(jī)進(jìn)行回歸預(yù)測，得到J變量，但我不

有沒有做過支持向量機(jī)做預(yù)測模型的matlab程序做個(gè)參考？

瀉藥，應(yīng)該用支持向量機(jī)做回歸預(yù)測！沒有預(yù)測，但根據(jù)被試的描述，j只與三個(gè)變量XYZ同時(shí)相關(guān)。它可以用支持向量機(jī)進(jìn)行回歸預(yù)測，得到J變量，但我不知道時(shí)間1的x，y和Z。根據(jù)時(shí)間t的x、y、Z進(jìn)行預(yù)測是不可行的，但可以找到前后時(shí)間的對應(yīng)關(guān)系，然后用支持向量回歸機(jī)進(jìn)行預(yù)測。介紹了一種新的數(shù)據(jù)挖掘方法——支持向量機(jī)。它是關(guān)于回歸的介紹

分類和回歸問題應(yīng)該根據(jù)訓(xùn)練樣本函數(shù)g（x）找到一個(gè)真值?；貧w問題的要求是：給定一個(gè)新的模式，根據(jù)訓(xùn)練集推斷出相應(yīng)的輸出y（實(shí)數(shù)）。

換句話說，y=g（x）用于推斷任何輸入x的相應(yīng)輸出值。分類問題是：給定一個(gè)新模式，根據(jù)訓(xùn)練集推斷其相應(yīng)的類別（如：1，-1）。也就是說，用y=sign（g（x））來推斷任何輸入x對應(yīng)的類別，綜上所述，回歸問題和分類問題的本質(zhì)是一樣的，唯一的區(qū)別是它們的輸出值范圍不同。在分類問題中，只有兩個(gè)值可以作為輸出，而在回歸問題中，任何實(shí)數(shù)都可以作為輸出。

支持向量機(jī)回歸與分類的區(qū)別？

謝謝。我可以確切地說，不！也許首先，為什么深度學(xué)習(xí)被稱為“深度”？從當(dāng)前技術(shù)的角度來看，深度學(xué)習(xí)結(jié)合底層特征，形成更抽象的屬性類別或特征的高層表示，從而發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

深度學(xué)習(xí)屬于前者，它有很多參數(shù)需要調(diào)整，是一個(gè)非常大的參數(shù)模型。一般的機(jī)器學(xué)習(xí)模型屬于后者，它需要強(qiáng)大的特征來分離數(shù)據(jù)，最終得到不同的類別。

一般來說，目前深度學(xué)習(xí)確實(shí)有很多優(yōu)勢。例如，對我來說，這是非常簡單和暴力的。它不需要很長時(shí)間來調(diào)整參數(shù)，清理數(shù)據(jù)，并把它扔進(jìn)去看看結(jié)果。如果不好，調(diào)整參數(shù)繼續(xù)嘗試。一般的機(jī)器學(xué)習(xí)模型不是這樣的。它需要大量的特征工程。但是，深度學(xué)習(xí)有一個(gè)問題，到目前為止還沒有解決的工程。它是一個(gè)可解釋性差的“黑匣子”，導(dǎo)致系統(tǒng)出現(xiàn)錯(cuò)誤，無法快速找出原因或追溯以前的錯(cuò)誤。所以在工程中，我們實(shí)際上更喜歡特征少的工程和解釋性強(qiáng)的模型來獲得更好的結(jié)果。我們期待著深學(xué)在未來科學(xué)技術(shù)的進(jìn)一步發(fā)展。

我將在這里發(fā)表所有關(guān)于算法、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的有趣文章。

編寫代碼不容易。如果這篇文章對你有幫助，請喜歡