本文探讨了在支持向量机（SVM）中，为何通常将函数间隔设置为1。通过分析线性可分SVM的优化问题，展示了函数间隔的变化不会影响超平面的定义以及优化目标和约束条件，从而说明设置为1的合理性。
\quad 这几天看SVM，优化问题那里习惯上函数间隔设为1，一直没看到比较令人信服的详解，这里我提一下。
线性可分支持向量机的约束优化原始问题：
max w , b γ ^ ∣ ∣ w ∣ ∣ s . t . y i ( w ⋅ x i + b ) ≥ γ ^ , i = 1 , 2 , . . . , N \max \limits_{w,b} \quad \frac{ \hat \gamma}{||w||} \\ s.t. \quad\quad y_i( \bm{w} \cdot x_i + b) \geq \hat\gamma , \quad i=1,2,...,N w,bmax∣∣w∣∣γ^s.t.yi(w⋅xi+b)≥γ^,i=1,2,...,N
上式中 γ ^ \hat \gamma γ^即为函数间隔，且
γ ^ = m i n y i ( w ⋅ x i + b ) \hat \gamma=min \ y_i(\bm{w} \cdot \bm{x_i} + b) γ^=min yi(
最低0.47元/天 解锁文章
扫一扫
2706
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
