支持向量机(理论)
svm:找出最好的线分开
找到最大间隙的算法叫做:优化
如何将二维投射到三维——核函数kernelling
svm是的中间的2d最大
范数就是求向量的模
不用考虑中间2d有多大,都可以把两类设置成+1和-1.宽是d的问题。
拉格朗日乘子法
线性svm优化
KKT条件——广义的拉格朗日乘子法
了解smo
非线性分类
将2维空间映射到5维空间,w^t是5维向量,b是第6维
一维空间不可分映射到高维空间,不一定可分;要找到合适的函数才可分。
高维空间映射可以通过低围函数变化得到高维表达式—原来线性不可分的问题可以通过函数变换,达到线性可分。核函数就是低维变换为高维的函数。
维度灾难:维度越来越大,维度越高,计算越麻烦。
径向基———高斯核函数,高斯核最常用
高斯核,sigmoid—二分类
核函数作用:从低维映射到高维
sklearn_svm实现:
https://scikit-learn.org/stable/
我们一般调svm的参数调c,gamma
c是惩罚因子,惩罚因子不能太大
gamma将曲线越分越精确,将曲线变尖;gamma越大,泛化能力越小;一般情况下,惩罚因子都会调的很大。