文件名称:葡萄酒品质-使用SVM-内核SVM
文件大小:30KB
文件格式:ZIP
更新时间:2024-03-05 04:42:06
JupyterNotebook
葡萄酒品质-使用SVM-内核SVM 什么是支持向量机(SVM) 支持向量机算法的目的是在N维空间(N —特征数)中找到一个超平面,该超平面对数据点进行明显分类。 为了分离这两类数据点,可以选择许多可能的超平面。 我们的目标是找到一个具有最大余量的平面,即两个类别的数据点之间的最大距离。 什么是内核SVM? SVM内核是一种功能,它占用低维输入空间并将其转换为高维空间,即它将不可分离的问题转换为可分离的问题。 它在非线性分离问题中最有用。 关于数据集: 这些数据集可以视为分类或回归任务。 这些课程是有序的,而不是均衡的(例如,普通葡萄酒比优质或劣等葡萄酒要多得多)。 输入变量(基于理化测试): 固定酸度 挥发性酸度 柠檬酸 残留糖 氯化物 游离二氧化硫 总二氧化硫 密度 pH值 硫酸盐 酒精 输出变量(基于感官数据): 质量(得分在0到10之间) 数据集链接: : 参考:
【文件预览】:
Wine-Quality---Using-SVM-Kernel-SVM-main
----winequality-red.csv(99KB)
----README.md(1KB)
----Wine Quality SVM & Kernel SVM.ipynb(34KB)