SVM→2.决策函数的引出

SVM→2.决策函数的引出

《SVM→2 .决策函数的引出》


  1. 优化目标:最长街宽,所以我们假设决策边界如下图所示 这样才能是最长街宽
paste-146325240807427.jpg
  1. 对于正样本来说,paste-40853728919555.jpg
    1. paste-138027363991555.jpg:决策边界的法向量 注意:paste-62719407423491.jpg不一定是单位向量
    2. 确保b为负数,如果是x1+x2-2=0,那么b=-2;如果x1+x2+2=0,可将方程变换-x1-x2-2=0,那么b=-2
    3. paste-61697205207043.jpg:原点O到决策边界的距离  首先有上一条
    4. paste-63307817943043.jpg:向量paste-143975893696515.jpg在向量paste-141605071749123.jpg上的投影,如果paste-103852309217283.jpg>paste-104934640975875.jpg,记为正样本 正样本在超平面的正向侧,超平面法向量指向的那一半空间是它的正向
    5. 图示
      paste-124124554854403%20(1).jpgpaste-125211181580291.jpgpaste-126293513338883.jpg
      1. 比较paste-131726646968323.jpg
      1. 比较paste-132817568661507.jpg
      1. 比较paste-133899900420099.jpg
  1. 决策函数:对于一个新样本,如果满足2.式,就预测为正样本,若paste-147519241715715.jpg,预测为负样本





posted on 2018-10-08 08:18 LeisureZhao 阅读(...) 评论(...) 编辑 收藏

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值