对于一条直线:
y = 1/2 * x + 1 来说。
换个形式:
-x + 2y - 1 = 0
f(x, y) = -x + 2y - 1
把系数提出来,w = (-1 2)竖着的, 这个(-1 2)就是直线f(x, y)的法向量
f(x->) = w -> T . x -> + b,对于二维来说,x = (x1, x2),n维的话 x = (x1, x2 ,,,,xn)
如果给定一个x->, 如果f(x->) > 0, 说明x -> 在f(x, y) 的法向量方向;
如果f(x->) == 0, 说明x -> 在f(x, y) 上;二维是直线,三维是平面,n维是超平面
如果f(x->) < 0, 说明x -> 在f(x, y) 的负法向量方向
c 越大,分割界面的过渡带越窄
c相同,γ越大,分割界限越曲,非线性越强烈
f(x y) = Ax + By + C = 0 直线方程
如果一个点(x0, y0)到直线f(x y)的距离
d = |Ax0 + By0 + C|/ 根号(A^2 + B^2),这个正负说明正在直线法向量方向,负在直线负法向量方向
所以
d = (Ax0 + By0 + C)/ 根号(A^2 + B^2)
设 A' = A/根号(A^2 + B^2)
B' = B/根号(A^2 + B^2)
C' = C/根号(A^2 + B^2)
d = A'x0 + B'y0 + C'
一样可以写成:
d = w-> . x-> + b的形式。
||w||2 = 根号下(w1^2 + w2^2 + w3^2 + ... + wn^2)
最小值是支撑点,给定一个w和b的话就会有个min值,我们要找最大的那条。
我们可以通过等比例缩放w,使得满足|y| >= 1
所以这部分的最小值就是1,当然要满足上面的约束条件。
所以新目标函数:
1/||w|| 最大 ---》||w||最小---》||w||^2最小---》1/2 * ||w||^2最小
拉格朗日函数,f(x)是不等式的约束条件,h(x)是等式的约束条件
在原来f(x)上将约束条件放进去组成G(x, ν,λ)
如果将每个ν看成自变量,我们可以得到n条直线,最小值肯定是个凹函数,我们也可以求这个凹函数的最大值
结论:将原始的求最小最大问题变成了求最大最小问题。