机器学习(十七)- SVMs - Large Margin Classification

本文深入探讨支持向量机(SVMs)的大间距分类概念,从优化目标出发,解释了SVMs如何通过最大化间隔来实现更好的分类效果。讨论了C参数对模型的影响,以及在存在异常值时如何调整C来避免过拟合。通过数学解析,展示了在二维空间中,SVMs寻找最优决策边界的直观理解。
摘要由CSDN通过智能技术生成

Large Margin Classification

Optimization Objective

对于SVMs,我们从目标函数开始讲起,由于SVM的目标函数和逻辑回归的目标函数很相似,所以我们从逻辑回归的目标函数开始一点点给出区别。
第一,不再使用 − log ⁡ 1 1 + e − z -\log\frac{1}{1+e^{-z}} log1+ez1,而是将其替换为一个 cost 1 ( z ) \text{cost}_1(z) cost1(z)方程,方程在坐标轴中表示为下图左下角的紫红色线条,同样 − log ⁡ ( 1 − 1 1 + e − z ) -\log(1-\frac{1}{1+e^{-z}}) log(11+ez1

评论 2
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