关于支持向量机SVM,下列说法错误的是

感想

看来我是忘记支持向量机了,忘记那个C的作用,忘记了那个最大软间隔了,在哪里跌倒了,就在哪里爬起来。

problem

关于支持向量机SVM,下列说法错误的是()

A. L2正则项,作用是最大化分类间隔,使得分类器拥有更强的泛化能力
B. Hinge 损失函数,作用是最小化经验分类错误
C. 分类间隔为1/||w||,||w||代表向量的模

D. 当参数C越小时,分类间隔越大,分类错误越多,趋于欠学习

答案:C

analysis

A正确。考虑加入正则化项的原因:想象一个完美的数据集,y>1是正类,y<-1是负类,决策面y=0,加入一个y=-30的正类噪声样本,那么决策面将会变“歪”很多,分类间隔变小,泛化能力减小。加入正则项之后,对噪声样本的容错能力增强,前面提到的例子里面,决策面就会没那么“歪”了,使得分类间隔变大,提高了泛化能力。

B正确。

C错误。间隔应该是2/||w||才对,后半句正确,向量的模通常指的就是其二范数。

D正确。考虑软间隔的时候,C对优化问题的影响就在于把a的范围从[0,+inf]限制到了[0,C]。C越小,那么a就会越小,目标函数拉格朗日函数导数为0可以求出w=求和ai∗yi∗xi,a变小使得w变小,因此间隔2/||w||变大

参考文献

[1].机器学习习题(5).http://blog.csdn.net/qq_35082030/article/details/75196392

[2].牛客网.https://www.nowcoder.com/questionTerminal/cfcd7305db9549b89c08d9d876b44472


相关推荐
©️2020 CSDN 皮肤主题: 代码科技 设计师:Amelia_0503 返回首页