目录
在 TWSVM 中,利用拉格朗日乘子构建一个对偶问题并进行求解,但时间开销仍然比较大,对此有人提出了用最小二乘法来求解原始问题,求解之前需要对原始问题做一定的变换,将不等式约束变成等式约束。
1. 最优化问题
LS-TWSVM 的最优化问题定义如下,以其中一个超平面为例子:
该公式的最小化项的首项是正样本点到超平面的距离平方和,等式约束的目的是所有的负样本点到该超平面的距离在 1 附近,最小化公式的第二项就是这个误差的平方和。
2. 求解
首先将约束公式代入到最小化公式中得到:
求其对 的偏导并令偏导等于 0 可以得到如下两个式子,求解过程类似 TWSVM:
结合这两个式子可以得到:
转化一下:
即:
其中 来自于 , 同理。
提取 得到:
等同于:
令 ,则有:
同理,求出另一个超平面的公式为:
在对一个新的数据进行分类时,只需要计算它到两个超平面的距离,它的类别就是距离更近的超平面对应的类别。
3. 算法流程
1. 按上面公式计算矩阵 E 和矩阵 F
2. 选择超参数 c1 和 c2
3. 按上面公式计算平面的超参数
4. 分类时,计算样本点到两个超平面的距离