相关向量机

维基百科,自由的百科全书

这是本页的一个历史版本,由InternetArchiveBot留言 | 贡献2018年1月14日 (日) 06:57 (补救1个来源,并将0个来源标记为失效。 #IABot (v1.6.2))编辑。这可能和当前版本存在着巨大的差异。

相关向量机(Relevance vector machine,RVM)是使用贝叶斯推理得到回归分类简约解的机器学习技术。RVM的函数形式与支持向量机相同,但是可以提供概率分类。

其与带协方差函数高斯过程等效。:

其中φ是核函数(通常是高斯核函数),x1,…,xN训练集的输入向量。[來源請求]

Compared to the SVM the Bayesian formulation allows avoiding the set of free parameters that the SVM has and that usually require cross-validation based post optimizations. However RVMs use an Expectation Maximization (EM)-like learning method and are therefore at risk of local minima, unlike the standard SMO-based algorithms employed by SVMs which are guaranteed to find a global optimum.[來源請求]

参考

软件

外部链接