#coding =utf-8
'''
最终可以转化为凸二次规划的问题求解
目标:分类间隔最大化,即里超平面最近的点,到超平面的距离最大
拉格朗日乘法数:等式约束条件的极值问题
KKT条件:不等式约束条件的极值问题
拉格朗日对偶性:在约束条件下,将原问题转化为对偶问题,通过求对偶问题来求解原问题
超平面的数学表达: y=W.T*x+b
点到直线的距离: dis = |w.T*x+b|/|w.T|
f(w.T*x+b)=-1
f(w.T*x+b)=1
u= W.T*x+b
u<0 时 f(u)=-1
u>0 时 f(u)=1
SVM求解过程
1.找到支持向量,离分隔超平面最近的点,支持向量的个数可以动态改变
2.在间隔最大的约束条件下,找到w,b
用到的数学方法:
1.拉格朗日乘子
2.KKT条件(不等式约束条件)
优化对象
max γ˜
约束条件
yi(wTxi+b)=γˆi≥γˆ,i=1,…,n
超平面方程:
w.T*x+b=0
超平面将空间分为两面:可以立即为正面,负面 -1:表示正面 1:表示负面
另f(x)=W.T*x+b
如果f(x)<0 则称为x在超平面的负面
如果f(x)>0 则称为x在超平面的正面
假设点A = yf(x) 则点x的值1
则说明:x是超平面方程 W.T*x+b=1上的点
函数W.T*x+b=0,与函数W.T+x+b=1的间距就是 yf(x)
点到超平面的距离: x=x0+r*w/|w| 其中x0是超平面 W.T*x+b=0上的点,r到超平面的距离,w为超平面法向量,垂直超平面
则:
r=yf(x)/|w|
最终优化到不用求点到直线的距离
目标:最近的点,最远的间距
yf(x)>1
'''
SVM学习
最新推荐文章于 2024-09-14 17:04:37 发布