Coursera机器学习-第七周-Support Vector Machine

Large Margin Classification

支持向量机(Support vector machine)通常用在机器学习 (Machine learning)。是一种监督式学习 (Supervised Learning)的方法,主要用在统计分类 (Classification)问题和回归分析 (Regression)问题上。

支持向量机属于一般化线性分类器,也可以被认为是提克洛夫规范化(Tikhonov Regularization)方法的一个特例。这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区,因此支持向量机也被称为最大边缘区分类器。现在多简称为SVM。


Optimization Objective

先来回顾逻辑回归函数:
这里写图片描述
由图上可知:
y=1,hθ(x)1,θTx0

y=0,hθ(x)0,θTx0

Logistic Regression Cost Function:
这里写图片描述
ps:这是对于一个样本点的cost Function,所以没有除以m

左图:红色线描述的是新的代价函数的,记为 cost1(z)
右图:红色线描述的是新的代价函数的,记为 cost0(z)
这里的下标是指在代价函数中对应的 y=1 和 y=0 的情况
这里写图片描述
构建SVM的代价函数 J(θ) :
这里写图片描述
这个代价函数是由logistic regression变化过来的,只需将
这里写图片描述
同时乘以m,除以 λ 即可得到SVM的代价函数。


Large Marign Intuition

这里写图片描述 W
当C取非常大的值时,例如10000,就要求 W 非常小
当y=1时, W 只有前一项,为了使其为0,要求 θTx1
当y=1时, W 只有后一项,为了使其为0,要求 θ
  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值