基于SVM的房价预测模型 专业 管理科学与工程姓名 樊玉婷 SVM的基本原理波士顿房价预测 Svm基本原理 支持向量机 SupportVectorMachine SVM 分类 SupportVectorClassification SVC 和回归 SupportVectorRegression SVR 线性可分 HardMarginSVM 和非线性可分 SoftMarginSVM SVC 线性可分 SVR Svc基本原理 如何找到最优的决策边界呢 LogisticSigmoid损失函数 不适定问题 Svc基本原理 最优决策边界 泛化能力1 能将训练样本划分2 距离这两个类别的最近样本尽可能远 泛化误差 Svc基本原理 d d 最优决策边界 泛化能力好1 能将训练样本划分2 距离这两个类别的最近样本尽可能远 支持向量 margin 2d Svc基本原理 d d 最优决策边界 泛化能力好1 能将训练样本划分2 距离这两个类别的最近样本尽可能远 Svc基本原理 d d 最优决策边界 泛化能力好1 能将训练样本划分2 距离这两个类别的最近样本尽可能远 Svr基本原理 margin 2d 波士顿房价预测 CRIM 城镇人均犯罪率ZN 住宅用地所占比例INDUS 城镇中非住宅用地所占比例CHAS 查尔斯虚拟变量 用于回归分析NOX 环保指数RM 每栋住宅的房间数AGE 1940年以前建成的自主单位的比例DIS 距离5个波士顿的就业中心的加权距离RAD 距离高速公路的便利指数TAX 每一万美元的不动产税率PRTATIO 城镇中的教师学生比例B 城镇中的黑人比例LSTAT 地区中有多少房东属于低收入人群MEDV 自住房屋房价中位数 均价 波士顿房价预测 波士顿房价预测 惩罚系数C 波士顿房价预测 惩罚系数C深度deep 波士顿房价预测 惩罚系数Cgamma 波士顿房价预测 Thanks