svm-支持向量机
来源:互联网 发布:appstore不能更新软件 编辑:程序博客网 时间:2024/06/15 11:50
目标函数推导
点到超平面的距离公式:
在分类过程中,
函数间隔:
几何间隔:
超平面最小几何间隔:
最大间隔分类器的目标函数就是最大化最小几何间隔
即:
令函数间隔为1,则
从而目标函数转为:
现在目标函数是二次的,约束条件是线性的,所以这是一个凸二次规划问题。
拉格朗日法
使用拉格朗日法,得到对偶问题:
首先对
若存在
根据
将
s.t.
smo
求解二次规划的解析法
在 αi = {α1, α2, α3, …, αn} 上求上述目标函数的最小值。为 了求解这些乘子,每次从中任意抽取两个乘子 α1 和 α2,然后固定 α1 和 α2 以外的其 它乘子 {α3, …, αn},使得目标函数只是关于 α1 和 α2 的函数。这样,不断的从一堆乘 子中任意抽取两个求解,不断的迭代求解子问题,最终达到求解原问题的目的。
假设选择的是两个变量α1, α2,其他变量{α3, …, αn}是固定的,那么子问题可以写成:
s.t.
其中,
得到
得先确定 (
y1和y2不同时,当做+-1
y1和y2相同时,都当做1
则可以画出两个取值图:
设预测值为:
则对输入预测值与真实输出之差
得到关于单变量
选择α 的启发式算法
- 外层循环寻找第一个乘子
α1 ,找到不满足kkt的 - 内层循环寻找满足条件:
max|Ei−Ej| 的乘子
总结
smo是一种启发式算法,基本思路是:如果所有变量都满足kkt条件,那么最优化问题的解就得到了。否则选择2个变量,固定其余变量,针对这2个变量构建一个二次规划子问题,这时可以通过解析法求解。如此可以通过不断的将原问题拆解为子问题达到求解原问题的目的。
0 0
- 支持向量机SVM
- SVM支持向量机
- svm支持向量机
- SVM支持向量机
- [SVM]支持向量机
- SVM 支持向量机
- 支持向量机SVM
- SVM 支持向量机
- svm支持向量机
- 支持向量机SVM
- svm支持向量机
- SVM (支持向量机)
- SVM支持向量机
- SVM支持向量机
- 支持向量机SVM
- 支持向量机(SVM)
- 支持向量机-SVM
- 支持向量机SVM
- 剑指offer----合并两个有序链表
- mybatis处理自关联
- IntelliJ IDEA使用教程二 项目创建&Tomcat配置
- android多图选择器 图片/视频 单选or多选,以及视频录制。The is Android Image Selector。
- 基础位操作
- svm-支持向量机
- QDataStream的二进制文件显示问题
- ssh- jar 包冲突问题
- 物联网虽火 但大咖们为什么这么说
- Docker命令大全
- A标签链接的几种方法
- 【Java】深入理解JVM学习笔记(三) —— GC收集器和内存分配
- eclipse在线安装PMD插件
- Elasticsearch 有关权重的配置