Coursera吴恩达机器学习(六)——Exercise6-支持向量机(SVM)

一、基本概念

1.分离超平面

w T x ⃗ + b = 0 w^T\vec{x}+b=0 wTx +b=0(1)在超平面 w T x ⃗ + b = 0 w^T\vec{x}+b=0 wTx +b=0确定的情况下, ∣ w T x ⃗ + b ∣ |w^T\vec{x}+b| wTx +b能够相对地表示点 x ⃗ \vec{x} x 距离超平面的远近。
(2) y ( w T x ⃗ + b ) y(w^T\vec{x}+b) y(wTx +b)表示分类的正确性及确信度。

2.函数间隔

超平面 ( w , b ) (w,b) (w,b)关于样本点 ( x i , y i ) (x_i,y_i) (xi,yi)的函数间隔为: γ i ^ = y i ( w T x i ⃗ + b ) \hat{\gamma_i}=y_i(w^T\vec{x_i}+b) γi^=yi(wTxi +b)函数间隔的最小值为: γ ^ = m i n i = 1 , . . . , N γ i ^ \hat{\gamma}=min_{i=1,...,N} \quad\hat{\gamma_i} γ^=mini=1,...,Nγi^需要找一个超平面 ( w , b ) (w,b) (w,b)使得 γ ^ \hat{\gamma} γ^最大,但是在改变 w w w b b b时,如果同时将 w w w b b b放大N倍就会使间隔变大,但是超平面并未改变,所以就需要对超平面的法向量w加以约束。
例如:
超平面表达式① 3 x 1 + 4 x 2 + 10 = 0 3x_1+4x_2+10=0 3x1+4x2+10=0与超平面表达式② 6 x 1 + 8 x 2 + 20 = 0 6x_1+8x_2+20=0 6x1+8x2+20=0 w w w b b b同时扩大了2倍,函数间隔也变为原来的两倍,但是两个超平面是同一个。
所以对超平面同时除以

  • 0
    点赞
  • 1
    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