Linearly and Quadratically Separable Classifiers Using Adaptive Approach [推广有奖]

摘要：这份报纸论述一个快适应反复的算法在 Rn 解决线性地可分离的分类问题 { R ^ n } 。在每次重复，采样数据的一个子集(n 指，在 n 是特征的数字的地方) 适应地被选择， hyperplane 被构造以便它在边缘分开选择 n 指，最好分类留下的点。分类问题被提出，算法的细节被介绍。进一步，算法被扩大到解决二次地可分离的分类问题。基本想法基于印射物理空间到这个问题变得线性地可分离的另一更大的一个。当班是线性地可分离的时，数字插图证明很少重复步为集中是足够的。为非线性地可分离的数据，给重复步的一个指定最大的数字，算法归还最小化通过这些步发生的分类的点的数字的最好的 hyperplane。有另外的机器学习算法在上的比较实际并且基准数据集也被介绍，显示出建议算法的性能。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）