机器学习-支持向量机(二)
支持向量机
线性可分
二维图,可以用一条直线划分开
线性不可分
二维图,不可用一条直线划分开
多维空间
超过三维,就需要用超平面划分,需要用到数学知识
支持向量机条件
使用MARGIN最大这个条件并不能唯一确定一条直线
该直线应满足
- 该直线分开了两类
- 该直线最大化了间隔
- 该直线处于间隔的中间,到所有支持向量距离相等
线性可分条件下-支持向量机优化问题
假定训练样本集是线性可分的
支持向量机需要寻找的是最大化间隔的超平面
最小化:w是一个向量,和线代求值一样,求出w的平方
事实一
事实二
支持向量机优化问题推导中最难理解的部分
用a去缩放wb
( w,b)表示的超平面和( aw, ab)表示的超平面是同一个平面
因此可以用参数a去缩放( w ,b)
所以根据事实二,支持向量X0到超平面的距离将会变成:
最大化支持向量到超平面的距离 等价于最小化 |w|
优化问题定义为
最小化:二分之一 |w| 的平方
最小化: |w|
限制条件
支持向量到超平面的距离为:二分之一 |w|
在非支持向量上
二次规划
(1) 目标函数(Object Function) 是二次项
(2)限制条件是一次项
要么无解,要么只有唯一的最小值
线性不可分问题
对于线性不可分的情况下,需要设当放松限制条件
线性不可分下的最优化
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 时间海!
评论