机器学习经典算法:空间内一点到超平面的距离推广

关于 超平面 与 法向量

超平面(H,Hyperplane): 是二维平面中直线、三维空间中平面对象的推广形式,本质是 n n n 维空间的一个子空间,满足向量加法与乘法的封闭。空间中的平面都可以被平面上任意一点 x 0 x_0 x0 及与平面内任意向量所垂直的平面法向量 w ⃗ \vec w w 所确定:

定义空间内一超平面为 H H H
在平面上确定一点 x 0 x_0 x0,就有平面上其它任意点 x x x x 0 x_0 x0所成向量 x 0 x ⃗ \vec {x_0x} x0x 与垂直于法线 :
x 0 x ⃗ ⋅ w ⃗ = 0 → ( x ⃗ − x ⃗ 0 ) ⋅ w ⃗ = 0 \vec {x_0x} \cdot \vec w = 0 \rightarrow (\vec x - \vec x_0)\cdot \vec w = 0 x0x w =0(x

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

打赏作者

倪桦

有帮助的话请杯咖啡吧,谢谢!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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