该博客探讨了支持向量机（SVM）中的超平面表达式和几何间隔概念。通过函数间隔和几何间隔的转换，SVM的目标是最大化几何间隔的最小值。在不同的常数γ下，超平面的表示会改变，但分类精度保持不变，只是空间尺度有所调整。最终，SVM优化问题转化为一个凸二次规划问题，寻找最佳分类边界。
超平面表达式：
函数间隔 ： 对于在超平面上的点， wx+b=0wx+b=0wx+b=0 恒成立。而超平面之外的点，可以认为距离越远，wx+bwx+bwx+b 的绝对值越大，同时分类成功的概率也越高，表达式为：
几何间隔 ： 顾名思义，几何间隔就是两条平行线之间的距离，表达式为：
考虑SVM的目标，是要使所有样本点中几何间隔的最小值尽可能大：
即最优化问题为：
将约束条件的左右两边同时乘以 ∣∣w∣∣||w||∣∣w∣∣，可以得到表达式： yi(w⋅xi+b)≥γ⋅∣∣w∣∣y_i(w·x_i+b)≥γ·||w||yi(w⋅x
扫一扫
2785
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
