自学机器学习笔记(三)

支持向量机(算法流程)

 由于我们知道这个式子就是核函数:,因此我们知道核函数就可以求解最优化的对偶问题

解出aᵢ就可以求出

 注:由于Φ(X)可能没有显式表达,因此w也不知道是否具有显式表达

如何求b

由于能得到

 图一

 图二

由图二得 g[i]被分成了两部分,而有着不同得Bᵢ------aᵢ与bᵢ

由图三得求导c=aᵢ+bᵢ

因此bᵢ=c-aᵢ,且如过对于某个i,aᵢ!=0并且aᵢ!=c,则根据KKT条件,必有

 而

 

 所以只需要找一个0<aᵢ<c

得到

 那么如果得到一个测试样本X,我们如何得到它的类别

这里我们可以计算wᵀΦ(x)+b,代入

 

 不知道Φ(x),只知道核函数K(x₁,x₂)就可以得到

这一结论叫核函数戏法

最后可以得到

总结流程

训练过程:输入训练数据{(xᵢ,yᵢ)} i=1~N,其中yᵢ=+-1

求出aᵢ

再求b:

 知道了所有aᵢ与b就完成了支持向量机的训练过程

 测试过程

考察测试数据X,预测它的类别Y

 兵王问题描述

如果黑方只剩一个王,白方剩一个兵,一个王

兵的升变:兵走至对方的底线,可以升变为除王以外的任意棋子。

逼和:一方的王未被将军,但移动到任意的地方都会被对方处死,则此时式和棋。

UCI Machine Learning 中的数据集krkopt.data

 和棋(draw)yᵢ=+1

其他 (ONE-FIFTEEN) yᵢ=-1

 

 

 

 

  • 0
    点赞
  • 0
    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