斯坦福CS229机器学习笔记-Lecture8- SVM支持向量机 之核方法 + 软间隔 + SMO 算法

作者:teeyohuang

邮箱:teeyohuang@163.com

本文系原创,供交流学习使用,转载请注明出处,谢谢

 

声明:此系列博文根据斯坦福CS229课程,吴恩达主讲 所写,为本人自学笔记,写成博客分享出来

          博文中部分图片和公式都来源于CS229官方notes。

          CS229的视频和讲义均为互联网公开资源

Lecture8

主要内容如下:

 

·Kernels (核方法)

·Soft Margin(软间隔) –非线性可分的情况

·SMO algorithm

 

1.Kernels (核方法)

上一节课的最后我们已经推出了一些有用的结论:

这是我们探讨核方法的出发点

假设我们现在有一个输入属性(input attribute)x,有时候我们会将这个x给映射到一组新的集合上去,

比如如下例子,采用特征映射 (feature mapping)  φ:

我们把得到的这组新的量称为 输入特征(input features)

 

这样,如果我们想通过新的这组input features求解svm,只需要把之前讲过程中的所有出现了x的地方用φ(x)代替就ok了。

假设现在有内积<x,z>,则直接将其写为<φ(x) φ(z)>,我们将这个内积定义为一个核:

一般φ(x)的维度都比较高,直接把φ(x)计算并表示出来显得很复杂,但是计算K(x,z)的复杂度一般要低一些,所以往往不必把φ(x)或者φ(z)显示地表达出来。举个例子说明:

下面看另一个核的例子,

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