数学之路(3)-机器学习(3)-机器学习算法-SVM[4]

最新推荐文章于 2018-10-01 10:14:17 发布

麦好

最新推荐文章于 2018-10-01 10:14:17 发布

阅读量1.8k

点赞数

分类专栏： AI与机器学习智能与数学机器学习实践指南文章标签：机器学习

本文链接：https://blog.csdn.net/myhaspl/article/details/9302015

版权

机器学习实践指南同时被 3 个专栏收录

217 篇文章 79 订阅

订阅专栏

AI与机器学习

106 篇文章 7 订阅

订阅专栏

智能与数学

67 篇文章 2 订阅

订阅专栏

两点间的距离

即两个点之间的线段的长度。

二维距离： $d = \sqrt{(\Delta x)^2 + (\Delta y)^2}$
三维距离： $d = \sqrt{(\Delta x)^2 + (\Delta y)^2 + (\Delta z)^2}$

点到直线的距离

点和直线的距离是点到直线的垂直线段的长度

若在平面坐标几何上的直线定义为 ax + by + c = 0，点的座标为 (x₀, y₀)，则它们之间的距离为：

$d = \left| \frac{ax_0 + by_0 + c}{\sqrt{a^2+b^2}} \right|$

异面直线间的距离

设两直线的方程分别为：

$\frac{x-x_1}{L_1} = \frac{y-y_1}{M_1} = \frac{z-z_1}{N_1}$

$\frac{x-x_2}{L_2} = \frac{y-y_2}{M_2} = \frac{z-z_2}{N_2}$

则，该两直线间的距离

$d = \frac{\begin{vmatrix} x_2-x_1 & y_2-y_1 & z_2-z_1 \\ L_1 & M_1 & N_1 \\ L_2 & M_2 & N_2 \end{vmatrix}}{\sqrt{\begin{vmatrix} M_1&N_1 \\ M_2&N_2 \end{vmatrix}^2 + \begin{vmatrix} N_1&L_1 \\ N_2&L_2 \end{vmatrix}^2 +\begin{vmatrix} L_1&M_1 \\ L_2&M_2 \end{vmatrix}^2}}$

点到平面的距离

若点坐标为( $x_0,y_0,z_0$ ),平面为Ax+By+Cz+D=0,则点到平面的距离为:

$d = \left|\frac{Ax_0+By_0+Cz_0+D}{\sqrt{A^2+B^2+C^2}}\right|$

两平行直线

若直线分别为 ax + by + c₁ = 0, 和 ax + by + c₂ = 0, 则它们之间的距离为:

$d = \left|\frac{c_1-c_2}{\sqrt{a^2+b^2}}\right|$

两平行平面间的距离

若两平为 Ax + By + Cz+D₁ = 0, 和 Ax + By +Cz+ D₂ = 0, 则他们之间的距离为:

$d = \left|\frac{D_1-D_2}{\sqrt{A^2+B^2+C^2}}\right|$

范数

设在 $\mathbb{R}^m$ 空间有两点， $p = (p_1,p_2,...,p_m)$ ， $q = (q_1,q_2,...,q_m)$ ，不同的范数都是一种距离：

1-阶范数	=	$\sum \left\| x_i - y_i \right\|$
2-阶范数	=	$\left( \sum \left\| p_i - q_i \right\|^2 \right)^\frac{1}{2}$
n-阶范数	=	$\left( \sum \left\| p_i - q_i \right\|^n \right)^\frac{1}{n}$
无穷大阶范数	=	t 阶范数的极限，即 n 趋向无穷大 $\lim_{n \to \infty} \left( \sum \left\| p_i - q_i \right\|^n \right)^\frac{1}{n}$
	=	max $\left\| p_i - q_i \right\|$

exp，高等数学里以自然对数e为底指数函数，它又是航模名词，全称Exponential(指数曲线)

麦好

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

1-阶范数	=	$\sum \left\| x_i - y_i \right\|$
2-阶范数	=	$\left( \sum \left\| p_i - q_i \right\|^2 \right)^\frac{1}{2}$
n-阶范数	=	$\left( \sum \left\| p_i - q_i \right\|^n \right)^\frac{1}{n}$
无穷大阶范数	=	t 阶范数的极限，即 n 趋向无穷大 $\lim_{n \to \infty} \left( \sum \left\| p_i - q_i \right\|^n \right)^\frac{1}{n}$
	=	max $\left\| p_i - q_i \right\|$

数学之路(3)-机器学习(3)-机器学习算法-SVM[4]

两点间的距离

即两个点之间的线段的长度。

点到直线的距离

点和直线的距离是点到直线的垂直线段的长度

异面直线间的距离

设两直线的方程分别为：

点到平面的距离

若点坐标为(),平面为Ax+By+Cz+D=0,则点到平面的距离为:

两平行直线

若直线分别为 ax + by + c1 = 0, 和 ax + by + c2 = 0, 则它们之间的距离为:

两平行平面间的距离

若两平为 Ax + By + Cz+D1 = 0, 和 Ax + By +Cz+ D2 = 0, 则他们之间的距离为:

范数

设在空间有两点，，，不同的范数都是一种距离：

若点坐标为( $x_0,y_0,z_0$ ),平面为Ax+By+Cz+D=0,则点到平面的距离为:

若直线分别为 ax + by + c₁ = 0, 和 ax + by + c₂ = 0, 则它们之间的距离为:

若两平为 Ax + By + Cz+D₁ = 0, 和 Ax + By +Cz+ D₂ = 0, 则他们之间的距离为:

设在 $\mathbb{R}^m$ 空间有两点， $p = (p_1,p_2,...,p_m)$ ， $q = (q_1,q_2,...,q_m)$ ，不同的范数都是一种距离：