SVM听课笔记
来源:互联网 发布:qt usb通信 linux api 编辑:程序博客网 时间:2024/06/05 15:12
考虑如何用决策边界划分空间
找一条直线,这条直线会让分隔正负例的街道最宽,那么,如何制定一条决策规则来使用这个决策边界。
点积的作用就是让向量
则是正例。这就是我们的决策规则。
问题在于,我们不知道要用什么常数,也不知道用哪个
加入我们想把正例和负例分开的更明显一点。我们规定:
即,当函数的值大于等于1的时候才算正例,小于等于-1的时候才算负例。加入我们说正例有正的程度,负例有负的程度,为了统一评价他们的这种程度(也就是让“程度”有可比性)我们给出一个新的函数
这样就出现了:
即:
这就是我们的约束条件,这组公式保证了所有的样本点都不会出现在-1~1之间,也就避免了出现不可分的情况。当
接下来,我们还需要表达出两个边缘之间的距离,即街道的宽度。
我们通过求两个向量的差来求。
图
如果有一个单位法向量,垂直于街道的中线,做这个单位法向量于这个差向量的点积,聚会得到街道的宽度。
求得后是一个标量。
由前面的公式得知:
当处于正例边缘时:
当处于负例边缘时:
把这两个带入
我们要求最宽的街道,即要
要
回顾一下我们都做了什么。
①确定了决策规则,判断处于哪一边。
②给出约束条件,让决策规则的值,对于边缘处的正例为+1,对于边缘处的负例为-1.
③最大化街道宽度,即最小化
要求带约束条件的函数的极值,我们就需要用到拉格朗日乘数。这样我们得到
我们让
决策向量
这个式子告诉我们,极值只依赖于样本对之间的点积。
- SVM听课笔记
- 听课笔记
- 听课笔记
- 听课笔记
- SCJP的听课笔记
- OPM3听课笔记
- 生理心理学”听课笔记
- CCNA听课笔记一
- CCNA听课笔记二
- CCNA听课笔记三
- 听课笔记2
- 第一天:听课笔记
- 第二天:听课笔记
- 第三天:听课笔记
- 第四天:听课笔记
- 第五天:听课笔记
- 第六天:听课笔记
- 第七天:听课笔记
- echarts绘图
- responsive layout in css
- Hive通过动态分区装载数据
- 初入开发心得
- 前端数组函数巧妙运用
- SVM听课笔记
- 【常用函数使用总结】js
- 祖玛
- 完全图解VS2017安装过程并演示VS2017创建Linux项目和调试
- js禁止粘贴非数字内容
- 【MySQL+ Redis】传统MySQL+ Memcached架构遇到的问题
- LeetCode 673.Number of Longest Increasing Subsequence
- 二叉堆
- dp:流水作业调度问题