Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > یادگیری (Learning) > یادگیری با نظارت > يادگيري ماشيني(Machine learning )


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۹-۵-۱۳۹۲, ۱۲:۲۲ بعد از ظهر   #1 (لینک دائم)
عضو فوق فعال
 
آواتار maraa
 
تاريخ عضويت: مهر ۱۳۹۲
پست ها: 25
تشكرها: 13
0 تشكر در 0 پست
پيش فرض کد متلب svm جداکننده خطی بدون خطا

سلام

کسی هست کدsvmtrain را در متلب برام توضیح بده
میخواستم بدونم svm بدون در نظر گرفتن پارامتر خطا کدش چطوریه

و کدش با درنظرگرفتن پارامتر خطا یعنی اپسیلون به چه صورت و چقد میتونه نتیجش نسبت به قبلی بهتر باشه
پارامتر اپسیلون چطوری بدست میاد؟

خواهش میکنم جواب بدید دوستان
__________________
asresite.ir
maraa آفلاين است   پاسخ با نقل قول

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۰۴-۲۳-۱۳۹۵, ۰۷:۳۹ بعد از ظهر   #2 (لینک دائم)
عضو جدید
 
آواتار f_sadati
 
تاريخ عضويت: تير ۱۳۹۵
پست ها: 3
تشكرها: 1
0 تشكر در 0 پست
پيش فرض

سلام یک لینک پاورپوینت تو سایت هست باز نمیشه در رابطه با svm
برای یک پروژه ی پایتون، svm رو باید کار کنم کد پایتون یکسری از اصطلاهات کاربردشو بلد نیستم.
# we create 40 separable points
np.random.seed(0)
X = np.r_[np.random.randn(20, 2) - [2, 2], np.random.randn(20, 2) + [2, 2]]
Y = [0] * 20 + [1] * 20

# fit the model
clf = svm.SVC(kernel='linear')
clf.fit(X, Y)

# get the separating hyperplane
w = clf.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(-5, 5)
yy = a * xx - (clf.intercept_[0]) / w[1]

# plot the parallels to the separating hyperplane that pass through the
# support vectors
b = clf.support_vectors_[0]
yy_down = a * xx + (b[1] - a * b[0])
b = clf.support_vectors_[-1]
yy_up = a * xx + (b[1] - a * b[0])

# plot the line, the points, and the nearest vectors to the plane
plt.plot(xx, yy, 'k-')
plt.plot(xx, yy_down, 'k--')
plt.plot(xx, yy_up, 'k--')

plt.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1],
s=80, facecolors='none')
plt.scatter(X[:, 0], X[:, 1], c=Y, cmap=plt.cm.Paired)

plt.axis('tight')
plt.show()
f_sadati آفلاين است   پاسخ با نقل قول
قديمي ۰۴-۲۳-۱۳۹۵, ۰۷:۴۶ بعد از ظهر   #3 (لینک دائم)
عضو جدید
 
آواتار f_sadati
 
تاريخ عضويت: تير ۱۳۹۵
پست ها: 3
تشكرها: 1
0 تشكر در 0 پست
پيش فرض

http://artificial.ir/intelligence/thread4706-3.html
لینک پاورپوینت که تو سایت هست ولی باز نمیشه
f_sadati آفلاين است   پاسخ با نقل قول
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۶:۴۳ قبل از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design