分类器设计之线性分类器和线性SVM(含Matlab代码)

最新推荐文章于 2025-03-17 11:51:41 发布

消失的苦楝树Ranchlai

最新推荐文章于 2025-03-17 11:51:41 发布

阅读量1.2w

点赞数 2

分类专栏：机器学习数学优化文章标签：线性规化线性分类器二次规化 Matlab

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/ranchlai/article/details/10303031

版权

本文探讨了线性分类器和线性SVM在高维空间中的应用，通过Matlab代码展示了如何求解线性规化问题以找到分类超平面。在二维数据实例中，对比了线性分类器和线性SVM的分类效果，结果显示线性SVM具有更好的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对于高维空间的两类问题，最直接的方法是找到一个最佳的分类超平面，使得 $w^Tx_i+b>0$ 并且 $w^Tx_j+b<0$ ,对于所有的正负训练样本 $x_1,x_2,...,x_n$ 和 $y_1,y_2,...,y_m$ . 因此，以上问题可以表达为：

$\LARGE \begin{align*} \text{P0: } &\text{minimize}& &0& \\ &\text{subject to}& &w^Tx_i+b>0,i=1,....,n& \\ &&&w^Ty_j+b<0,j=1,....,n & \end{align*}$

问题P0可以转化为

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。