支持向量机,就是常说的SVM,为学习复杂的非线性方程提供一种更为清晰,更加强大的方式。
模型优化
我们从逻辑回归对SVM的cost function进行推导演绎。
回顾逻辑回归我们可以知道,当z>>0的时候可以认为y=1;当z<<0时候,y=0。
由上图可以知道,我们由逻辑回归的costfunction使用红色的折线进行近似替代,因此由逻辑回归的costFunction:
我们可以得到SVM的cost Function如下:
在这里我们可以将C看作是1/λ。
大边界直观理解
我们有时候将SVM看作是大间距分类器,接下来将介绍其中的含义,并有助于我们直观理解SVM模型的假设。
这是我的支持向量机模型的代价函数,在左边这里我画出了关于 z 的代价函数 cost1(z),
此函数用于正样本,而在右边这里我画出了关于 z 的代价函数 cost0(z),横轴表示 z,现在让
我们考虑一下