支持向量机(SVM)简单小结

支持向量机,就是常说的SVM,为学习复杂的非线性方程提供一种更为清晰,更加强大的方式。

模型优化

我们从逻辑回归对SVM的cost function进行推导演绎。

回顾逻辑回归我们可以知道,当z>>0的时候可以认为y=1;当z<<0时候,y=0。

由上图可以知道,我们由逻辑回归的costfunction使用红色的折线进行近似替代,因此由逻辑回归的costFunction:

我们可以得到SVM的cost Function如下:

在这里我们可以将C看作是1/λ。

大边界直观理解

我们有时候将SVM看作是大间距分类器,接下来将介绍其中的含义,并有助于我们直观理解SVM模型的假设。

这是我的支持向量机模型的代价函数,在左边这里我画出了关于 z 的代价函数 cost1(z),
此函数用于正样本,而在右边这里我画出了关于 z 的代价函数 cost0(z),横轴表示 z,现在让
我们考虑一下࿰

  • 0
    点赞
  • 1
    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