机器学习深版06:SVM

1298-范同学

发表文章数:81

热门标签

首页 » 算法 » 正文

机器学习深版06:支持向量机SVM

1. 各种概念分类

1. 线性可分的SVM(样本不会在分割面上出现)

1. 简单概念

机器学习深版06:SVM
如何理解这个式子:机器学习深版06:SVM
+1是法线的正方向,-1是法线的负方向
机器学习深版06:SVM

2. SVM不同参数

机器学习深版06:SVM
伽马越大,越接近曲面,越小越像线性的。
c:越大过渡带越窄。

3. 深入理解

就是参数不为零的点,就是一些关键性的点,作为支持。
让距离线最近的点,使得他们的距离求最大。(最大最小问题)
机器学习深版06:SVM

1. 输入数据

机器学习深版06:SVM
做一个特征映射:
机器学习深版06:SVM
机器学习深版06:SVM
sign:符号函数
机器学习深版06:SVM
机器学习深版06:SVM
机器学习深版06:SVM
机器学习深版06:SVM
注意有约束条件:
机器学习深版06:SVM
在约束条件的约束下,得到较好看的目标函数:
机器学习深版06:SVM
机器学习深版06:SVM
机器学习深版06:SVM
机器学习深版06:SVM

4. 举例:

机器学习深版06:SVM
机器学习深版06:SVM
机器学习深版06:SVM

2. 线性SVM

1.原因:

噪声数据、有些线性不可分
机器学习深版06:SVM

2. 基本概念

机器学习深版06:SVM
特别大的C,就说明无法容忍犯错误,就退化成了标准的SVM。c大过渡带窄,c小过渡带宽,它的泛化能力更强。
机器学习深版06:SVM
所有样本的损失和取最小,得到w和b,回过头来理解,右边就像是损失函数,左边是L2正则。
机器学习深版06:SVM

标签:

未经允许不得转载:作者:1298-范同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《机器学习深版06:SVM》 发布于2020-12-09

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录