支持向量机(SVM)算法(二)

(书接上文)

寻找最大间隔:

经过了第一部分的概述,接下来要寻找数据集的最佳分隔超平面。我们已经知道,高维样本空间中的超平面方程为: 

w^Tx+b=0

其中 w=(w_1,w_2,.....w_n)为法向量,决定了超平面的方向;b 为位移项,决定了超平面与原点之间的距离。显然,分隔超平面可被法向量 w和位移 b 确定,记为(w,b)。样本空间中任意点x到超平面(w,b)的距离为:

r = \frac{|w^Tx+b|}{||w||}

如果超平面能正确的对样本点(\vec{x_i}, y_i)分类,即:若y_i =+1,则有w^Tx+b>0;若y_i=-1,则有w^Tx+b<0

假设:\begin{cases} & w^tx+b\geq +1, y_i=+1; \\ & w^tx+b\leq -1, y_i=-1. \end{cases}                       (公式1)

下图中的几个支持向量使得上式成立。两个异类支持向量到超平面的距离之和为:

r_{up} + r_{down} = \frac{|w^Tx+b|}{||w||} + \frac{|w^Tx+b|}{||w||}  = \frac{|w^Tx+b|}{||w||} \cdot 2

|w^Tx + b| =1,所以r_{up} + r_{down} = \frac{2}{||w||}

\gamma = \frac{2}{||w||},                               

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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