目录:
🌵🌵🌵前言
✨你好啊,我是“ 怪& ”,是一名在校大学生哦。
🌍主页链接:怪&的个人博客主页
☀️博文主更方向为:课程学习知识、作业题解、期末备考。随着专业的深入会越来越广哦…一起期待。
❤️一个“不想让我曾没有做好的也成为你的遗憾”的博主。
💪很高兴与你相遇,一起加油!
SVM隶属于监督学习算法
一、优化目标
1、新的代价函数
logistic回归:
紫红色线的和logistic回归中代价函数的形状很相似(紫色线条即我们使用的新的代价函数)
2、构建支持向量机
训练样本的代价函数和正则化项数
将上式简化为A+λB
首要工作是:设定不同的λ值,以便能够权衡多大程度的适应训练集,即最小化A,还是保证B足够小
支持向量机的总体优化目标,通过优化此来得到参数
二、最大间隔
支持向量机也叫“最大间隔分类器”
在SVM中,构建了安全因子,一个安全间距,
间隔使SVM具有鲁棒性(在分离数据时,会尽量用大的间距去分离)
2、只使用最大间隔分类器时,学习算法会对异常点很敏感
当参数C很大时,异常点可能使图中黑线变为紫红线
C不太大时,仍为黑线状态
三、数学原理
优化函数目标在此图左上角:即1/2*(θ)^2
其需要满足条件s.t.
四、核函数
将此处这个相似函数称作为核函数
示例为高斯核函数
还有线性核函数
1、以高斯核函数为例
2、运行原理
x距离l越近,f值计算出的值就越接近1。
x距离l越远,f值计算出的值就越接近0。
特征值f1衡量了x到第一个标记有多近
3、高斯核函数的参数变化:
4、带入参数为例
5、如何选择l
6、如何选择参数
五、使用SVM
记得将特征值归一化,否则其一特征影响过大
1、常用的核函数
线性核函数、高斯核函数、多项式核函数
2、满足的条件
核函数需要满足默塞尔定理
因为支持向量机算法或者SVM的实现函数有许多熟练的数值优化技巧
这个定理确保所有的SVM包,所有的SVM软件包都能用大类的方法并从而迅速得到参数θ