SVM

一. SVM的種類

第一種可以用一條線完全劃分超平面百分之百分對(duì);第二種不存在一個(gè)超平面全部分對(duì),允許部分分錯(cuò)。


二. SVM在做什么?

(1,-2)是法線方向,法線正方向表示+,負(fù)方向表示-。f((0,0)) = 2>0是在法線的正方向的。同時(shí)可以根據(jù)點(diǎn)到直線的距離公式計(jì)算點(diǎn)(x1,x2),到該直線的距離。


對(duì)于一個(gè)樣本點(diǎn)(X1,X2,1), 可以將距離公式轉(zhuǎn)換如上,因?yàn)閥(i)與(Wt*X(i)+b)符號(hào),始終相同,所以可將原來(lái)的絕對(duì)值形式,轉(zhuǎn)換為該種形式。

SVM找出最佳的分割線!做法:給定w,b ,也就是已知這條分割線的方程,再求樣本中到該分割線距離最小的那個(gè)點(diǎn)到這個(gè)線的距離dmaxmin。然后換不同的w,b,也就是換不同的分割線來(lái)試,繼續(xù)計(jì)算出它們的dmaxmin。最后看哪個(gè)值最大,就選那個(gè)值對(duì)應(yīng)的分割線。


線性可分支持向量機(jī),fai x,將原本的x1,x2,轉(zhuǎn)換成x1,x2,x1x2,x1**2,x2**2,映射到更高的維度,也就是增加了特征的數(shù)量。
整理的符號(hào)

三. 推導(dǎo)目標(biāo)函數(shù)


一般α在s.t條件小于等于0時(shí)取負(fù),而此處條件大于等于0,所以要加負(fù)號(hào)

之后將算出來(lái)的w與b帶回原式

四. 線性支持向量機(jī)

有時(shí)候需要放棄一些樣本,才會(huì)讓margin更大,效果越好。

每個(gè)樣本的ξ不一樣
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

推薦閱讀更多精彩內(nèi)容