티스토리 뷰
CVXOPT.solvers.qp
for Support Vector Machine
- Use
quadratic program을 위한 cvxopt.solvers.qp 함수를 이용하여
Support Vector Machine을 구현할 때
Parameter들은 아래와 같이 매치된다.
n_samples, n_features = X.shape
K = linear_kernel(X)
X.shape = (180,2)
K.shape = (180,180)
y .shape = (180,)
1. P , q
CVXOPT minimize function
-> SVM의 목적함수
#Maximize Margin = Maximize L
#Maximize L = minimize -L
P = cvxopt.matrix(np.outer(y,y) * K)
q = cvxopt.matrix(np.ones(n_samples) * -1)
2. G, h
Inequality Constraint
-> SVM의 부등호 제약조건
링크 참고
3. A, b
Equality Constraint
-> SVM의 등호 제약조건
A = cvxopt.matrix(y, (1,n_samples))b = cvxopt.matrix(0.0)
4. 함수의 반환값(solution['x'])으로 lambda를 구하고 라그랑주 승수법으로Support Vector 를 찾는다.
*참고
댓글
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- butterworth
- TensorFlow
- numpy
- PYTHON
- tacotron
- AWS
- database
- detrend
- pandas
- VPN
- 터널링
- Rolling
- style transfer
- IRR
- Computer science
- FFT
- filter
- deep learning
- scipy
- signal
- Machine Learning
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
글 보관함