机器学习笔记 - Hard-Margin Support Vector Machine
来源:互联网 发布:松下焊接机器人编程 编辑:程序博客网 时间:2024/06/05 18:10
目录
- Large-Margin Separating Hyperplane
- Distance to Separating Hyperplane
- Standard Large-Margin Hyperplane Problem
- Solving General SVM
- Summary
Large-Margin Separating Hyperplane
在下图所示三个分隔线中,虽然三条分隔线都在训练集上使得
较为直观的解释是,相较于第三条分隔线,第一条和第二条分隔线对于靠近训练集的数据点的判断可能不够精准,而第三条分隔线对于这些数据点而言,具有更好的鲁棒性。
具有更好的鲁棒性,就说明该分隔线具有更好的容错能力,我们希望找到这样一条线,这条线在训练集上到每个数据点距离越大越好,且正确分隔数据点,即
下图描述分隔线到训练集上数据点的间隔。
更具体地,可以将如何找到这样一条线描述为如下图所示的一个最优化问题:
即找到一个最大的超平面,既能正确的区分训练集上每一个数据点,且使距离超平面距离最近的数据点的距离最大,更进一步可以将上述问题写成以下形式:
Distance to Separating Hyperplane
我们用如下形式表示超平面:
以下图三维空间为例,其中,
则点
所以,原最优化问题可以改写为以下形式:
Standard Large-Margin Hyperplane Problem
由于缩放超平面的
如下图:
通过这样的特殊缩放,使得原问题的目标函数与约束被简化为如下形式:
由于缩放后的等式约束
上述问题被称之为等式约束的二次规划问题,本问题已经可以使用拉格朗日乘子法求解,但是在此处为了结合讲义进度,拉格朗日乘子法将会在后期与KKT条件一并介绍,此处为了将问题改写为能够被一般求解程序求解的形式,还需要对等式约束进行如下改写:
即使原等式约束
证明如下:
如果存在一个最优解
所以,即使对原等式约束条件进行放宽,也不会影响最终目标函数的解。
最终,我们将原问题改写为以下形式:
Solving General SVM
通过左图发现,待求的目标函数及其约束条件所构成的问题属于右图所代表的二次规划问题,且由于范数函数是凸函数,即
通过观察和简单计算,二次规划各项参数具有如下图所示的关系:
在右图标准形式中的
最后
Summary
对于上述最优化问题的一般求解过程小结如下:
同样,可以通过
如上图,SVM与regularization(正则化)有着相似与不同之处,regularization是以
通常来说,较少的dichotomies意味着更小的VC维,而在SVM中,由于对margin的限制,使得dichotomies减少,这一定程度上使得VC维变小,从而可能使得
以上是对Hard-Margin Support Vector Machine(硬间隔支撑向量机)在台湾大学机器学习技法课程中的介绍与总结。
在下一篇文章中,将会讨论加入特征转换与核方法的SVM。
- 机器学习笔记 - Hard-Margin Support Vector Machine
- 机器学习技法 笔记四 Soft-Margin Support Vector Machine
- 台湾大学林轩田机器学习技法课程学习笔记4 -- Soft-Margin Support Vector Machine
- 机器学习技法课程学习笔记4 -- Soft-Margin Support Vector Machine
- 机器学习技法-4-Soft Margin Support Vector Machine
- 机器学习技法-Soft-Margin Support Vector Machine
- 台湾国立大学机器学习技法.听课笔记(第四讲) :Soft-Margin Support Vector Machine
- 林轩田--机器学习技法--SVM笔记4--软间隔支持向量机(Soft-Margin Support Vector Machine)
- 机器学习技法 笔记一 linear support vector machine
- 机器学习技法 笔记二 dual support vector machine
- 机器学习技法 笔记三 Kernel Support Vector Machine
- 机器学习技法 笔记二 dual support vector machine
- 【Soft-Margin Support Vector Machine】
- 机器学习技法-Linear Support Vector Machine
- 机器学习基石-Dual Support Vector Machine
- 机器学习技法-Kernel Support Vector Machine
- [机器学习入门] 李宏毅机器学习笔记-23(Support Vector Machine;支持向量机)
- 台湾大学林轩田机器学习技法课程学习笔记1 -- Linear Support Vector Machine
- [LINUX] 使用yum 安装、开启 telnet 服务
- hdu 2546 - 饭卡
- 动态语言、动态类型语言、静态类型语言、强类型语言、弱类型语言
- 如何解决不同浏览器之间的兼容性问题
- 8086汇编4:bx与loop的使用
- 机器学习笔记 - Hard-Margin Support Vector Machine
- 类图关系(泛化 、继承、实现、依赖、关联、聚合、组合)
- uri
- Smarty入门 变量调节器
- Error getting nested result map values for 'company'. Cause: java.sql.SQLException: Invalid value fo
- hadoop2.5.2学习10--MR之统计每月最高三个温度02
- 3dsMax学习笔记01_用VRayMtl材质制作玻璃材质
- 如何将mysql安装到系统服务。
- 写代码训练词向量时踩过的坑