SVM 拓展:RankSVM 发表评论 GBRank 和 RankSVM 都是用来解决 LTR 问题的 pairwise 方法。利用 \Phi(q,d) 得出 query 和文档的特征向量,x1、x2分别是d1、d2的特征,取(x1, x2)为正样本,(x2, x1)为负样本,代入 SVM 模型中。继续阅读 →
SVM 基础:间隔、对偶 发表评论 SVM(support vector machine, 支持向量机),是一个二元分类模型,采用方法是高维空间下用超平面分割不同数据点,并使两类的之间的间隔最大化,SVM 的三大核心在于间隔、对偶、核技巧。继续阅读 →
二元分类方法综述 发表评论 Binary relevance for multi-label learning - Zhang, Li, Liu, Geng, 2018, [Frontiers of Computer Science]继续阅读 →