数学基础知识(1) 点到超平面距离

ProfSnail

已于 2022-10-20 22:39:10 修改

阅读量3.1k

点赞数 8

分类专栏：数学基础知识文章标签：数学

于 2021-01-30 20:38:48 首次发布

本文链接：https://blog.csdn.net/ProfSnail/article/details/113445348

版权

数学基础知识专栏收录该内容

3 篇文章 0 订阅

订阅专栏

摘要

本文给出点到超平面的距离公式，并进行了推导证明。该距离用于深度学习中感知机损失函数的计算，将误差点带入该距离即可计算该点与超平面间的损失距离。

符号说明

        记 $n$ 维欧式空间下一点 $M_0:x_0=(x^{(1)}_0,x^{(2)}_0,x^{(3)}_0, ...,x^{(n)}_0)$
        超平面 $L：w\cdot x+b=0$ ，其中 $w=(w^{(1)},w^{(2)}, w^{(3)}, ...,w^{(n)})$ ， $w\cdot x$ 是二者的内积， $b$ 为常数。
        则点 $M_0$ 到超平面 $L$ 的距离为 $d=\displaystyle{\frac{1}{||w||}}|w\cdot x_0+b|$ 。下面给出简要推导。

证明

取超平面 $L$ 上的一点 $M_1:x_1=(x^{(1)}_1,x^{(2)}_1,x^{(3)}_1, ...,x^{(n)}_1)$ ，有 $x_1\cdot w+b =0$
超平面 $L$ 的法向量为 $w=(w^{(1)},w^{(2)}, w^{(3)}, ...,w^{(n)})$
$\begin{aligned} d&=||\overrightarrow{M_0M_1}||cos(\overrightarrow{M_0M_1},w)=||\overrightarrow{M_0M_1}|| \displaystyle{\frac{\overrightarrow{|M_0M_1}\cdot w|}{||\overrightarrow{M_0M_1}||\space||w||}}\\ &=\displaystyle{\frac{|(x_1-x_0)\cdot w|}{||w||}}=\displaystyle{\frac{|x_1\cdot w-x_0\cdot w|}{||w||}}=\displaystyle{\frac{|-b-x_0\cdot w|}{||w||}} \\ &=\displaystyle{\frac{1}{||w||}}|w\cdot x+b| \end{aligned}$
证明完毕。
该公式的使用参见我的博文机器学习（2）感知机原理及实现。