超级会员免费看
本文详细介绍了SVM（支持向量机）中的关键概念，包括函数间隔与几何间隔。通过讨论两者的关系，阐述了为何在选择分类超平面时，最大化几何间隔更为重要。最大间隔分类器的目标是找到使数据点与超平面之间距离最大化的超平面，以提高分类的准确性与置信度。
DATE： 2016.9.23
文章目录
1、概念：
SVM（Support Vector Machine）,称为支持向量机。支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。SVM是一种有监督学习的分类算法。分类是机器学习和模式识别中的主要任务，在概率统计中又称之为判别分析。
2、函数间隔Functional margin与几何间隔Geometrical margin
一般而言，一个点距离超平面的远近可以表示为分类预测的确信或准确程度。
* 在超平面w*x b=0确定的情况下，|w*x b|能够相对的表示点x到距离超平面的远近，而w*x b的符号与类标记y的符号是否一致表示分类是否正确，所以，可以用量y*(w*x b)的正负性来判定或表示分类的正确性和确信度。
于此，我们便引出了定义样本到分类间隔距离的函数间隔functional margin的概念。
2.1、函数间隔Functional margin
我们定义函数间隔functional margin 为：
订阅专栏 解锁全文
扫一扫
1000
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
