超平面

最新推荐文章于 2024-02-20 20:58:52 发布
转载 最新推荐文章于 2024-02-20 20:58:52 发布 · 525 阅读 · 1

什么是超平面

我们最常见的平面概念是在三维空间中定义的:

Ax+By+Cz+D=0Ax+By+Cz+D=0

它由两个性质定义:

  • 方程是线性的: 是空间点的各分量的线性组合
  • 方程数量为1

若抛却维度等于3的限制, 就得到了超平面的定义. 方程数量为1, 它的本质其实是自由度比空间维度dd小一. 自由度的概念可以简单的理解为至少要给定多少个分量的值才能确定一个点. 例如, 三维空间里的(超)平面只要给定了(x,y,z)(x,y,z)中任意两个分量, 剩下的一个的值就确定了. 先确定值的两个分量是自由的, 因为它们想取什么值就能取什么值;剩下的那个是"不自由的", 因为它的值已经由另外两确定了. 二维空间里的超平面为一条直线. 一维空间里超平面为数轴上的一个点.
现在用数学语言定义一下.
dd维空间中的超平面由下面的方程确定:

wTx+b=0wTx+b=0

其中,ww与xx都是dd维列向量,x=(x1,x2,…,xd)Tx=(x1,x2,…,xd)T为平面上的点, w=(w1,w2,…,wd)Tw=(w1,w2,…,wd)T为平面的法向量.bb是一个实数, 代表平面与原点之间的距离.

点到超平面的距离

假设点x′x′为超平面A:wTx+b=0A:wTx+b=0上的任意一点, 则点xx到AA的距离为x−x′x−x′在超平面法向量ww上的投影长度:

d=|wT(x−x′)|||w||=|wTx+b|||w||d=|wT(x−x′)|||w||=|wTx+b|||w||

超平面的正面与反面

一个超平面可以将它所在的空间分为两半, 它的法向量指向的那一半对应的一面是它的正面, 另一面则是它的反面.

判断一个点是在超平面的正面还是反面(面向的空间里)

还是要用到它的法向量ww.
仍然假设点x′x′为超平面A:wTx+b=0A:wTx+b=0上的任意一点, 点xx为待判断的点.
若x−x′x−x′与ww的夹角小于90∘90∘, 则xx在AA的正面, 否则在反面

wT(x−x′)>0wT(x−x′)>0

→wTx+b>0→wTx+b>0

所以判定依据为:
x在A的⎧⎩⎨正面平面上反面,wTx+b>0,wTx+b=0,wTx+b<0x在A的{正面,wTx+b>0平面上,wTx+b=0反面,wTx+b<0

若将距离公式中分子的绝对值去掉, 让它可以为正为负. 那么, 它的值正得越大, 代表点在平面的正向且与平面的距离越远. 反之, 它的值负得越大, 代表点在平面的反向且与平面的距离越远.

原链接

http://www.cnblogs.com/dengdan890730/p/5554787.html

mobiushow
关注
超平面是什么？——理解超平面（SVM开篇之超平面详解）
denghe优快云的博客
08-17 10万+
        研究了半天，终于对“超平面”有了个初步了解。         n 维空间中的超平面由下面的方程确定:                                                 其中，w 和 x 都是 n 维列向量，x 为平面上的点，w 为平面上的法向量，决定了超平面的方向，b 是一个实数，代表超平面到原点的距离。且                       ...
【漫话机器学习系列】253.超平面（Hyperplane）
IT古董
05-11 1203
超平面（Hyperplane）是n维空间中的一个(n-1)维线性子空间，用于将空间划分为两部分。在二维空间中，超平面表现为一条直线；在三维空间中，它是一个平面；而在更高维空间中，虽然无法直观可视化，但其数学定义仍然适用。超平面在机器学习和数据科学中尤为重要，特别是在支持向量机（SVM）中，它用于在不同类别的数据点之间建立决策边界，以实现分类任务。此外，超平面在处理高维数据和深度学习中的特征空间分割方面也发挥着关键作用。通过理解超平面的几何和数学特性，可以更好地掌握其在各种科学和工程应用中的重要性。
可视化SVM分类器中的超平面：可视化SVM分类器中的超平面，使用3个变量的SVM，将分类时的分离面可视化。-matlab开发
05-29
[英语] 本示例描述了支持向量机中用于分类的超平面，该代码是参考官方文档“Support Vector Machines for Binary Classification”创建的，如下所示。 ( ...
高斯分类器，实现超平面可视化
03-30
本文将深入探讨如何使用MATLAB来训练高斯分类器，并实现超平面的可视化。 高斯分类器，也称为高斯混合模型（Gaussian Mixture Model, GMM），是一种概率模型，假设数据是由多个高斯分布（正态分布）混合生成的。每...
关于线性空间的超平面 (2004年)
05-18
在泛函分析领域，超平面是一个核心概念，它在理解和描述线性空间的结构以及在赋范线性空间中的闭凸集起到了重要作用。超平面的本质是对线性空间中一种特殊子集的描述，可以看作是在高维空间中对现实三维平面概念的...
最优分类超平面的几何意义 (2005年)
04-22
从给定文件内容中可以看出，文章主要介绍了支持向量机（SVM）的基本原理和如何从数学角度严格证明最优分类超平面的几何意义。下面将详细解读这些知识点。 支持向量机（SVM）是一种有效的监督学习方法，主要用于分类...
Support-Vector-Machine-_with_python：在此笔记本中，我们介绍了Support Vector Machine（SVM）算法，这是一种功能强大但简单的监督学习方法，用于预测数据。 对于分类任务，SVM算法尝试将特征空间中的数据划分为不同的类别。 默认情况下，这种划分是通过构造最佳分割数据的超平面来执行的。 为了进行回归，构造了超平面以映射数据分布。 在这两种情况下，这些超平面均以非概率方式映射线性结构。 但是，通过使用“内核技巧”，我们可以将非线性数据集转换为线性数据集，从而
02-16
默认情况下，这种划分是通过构造最佳分割数据的超平面来执行的。 为了进行回归，构造了超平面以映射数据分布。 在这两种情况下，这些超平面均以非概率方式映射线性结构。 但是，通过采用内核技巧，我们可以将非线性...
超平面详解
weixin_43721354的博客
06-12 8074
学习SVM绕不开超平面的概念。先复习一些基础的概念（平面方程），帮助理解。 1. 平面及其方程： 因为平面与空间直线分别是曲面与空间曲线的特例，所以在讨论平面与空间直线以前，先引入有关曲面方程与空间曲线方程的概念。 在空间解析几何中，任何曲面或曲线都可以看做点的集合轨迹，在这样的意义下，如果曲面S与三元方程： F(x, y, z) = 0 ...
超平面介绍
weixin_40994552的博客
02-20 1767
(1) 超平面是指n维线性空间中维度为n-1的子空间。它可以把线性空间分割成不相交的两部分。比如二维空间中，一条直线是一维的，它把平面分成了两部分；三维空间中，一个平面是二维的，它把空间分成了两部分。(2) 法向量是指垂直于超平面的向量。为 N 维向量，b为标量，表示超平面于原点之间的距离。（垂直于超平面） ，已知超平面中的一点。，需要求它到超平面之间的距离。，对于超平面中的任意一点。
什么是超平面
10-13 651
······         实3维空间中，满足三元一次方程ax+by+cz=d的点(x,y,z)的全体在几何上是空间的一张平面。         推而广之，n维空间中,  满足n元一次方程a1x1+a2x2+...+anxn=b的点(x1,x2,...,xn)的全体就叫空间的一张超平面（即广义平面）。         由于3维以上的线性空间是比较抽象的概念，无法用现实世界中的具象物来比拟，
SVM基础--超平面
yeqiustu的博客
04-12 897
超平面 定义： 超平面的法向量 法向量：与超平面上任一向量正交的向量 如图所示，点a、z为超平面上的任意两点，即有，则向量a-z为超平面上的任一向量，且有，根据法向量的定义，可知该超平面的法向量即为W，单位法向量为。 点到超平面的距离d 设点p在超平面的投影点为q，即，则有向量p-q与法向量W平行，即有（超平面上方的p点）或（超平面下方的p点），则有，即 ...
谈谈超平面（hyperplane）
myarchangel的专栏
04-25 2329
转载自：http://bubblexc.com/y2011/310/     冒泡的崔 我不得不对他说声谢谢！！ 有些东西，还是说清楚的好，比如超平面（hyperplane）这个东西。 直线、平面 在说超平面之前，先说说 \(R^n\) 空间中的直线和平面。给定\(R^n\) 空间中的一点 \(p\) 和一非负向量 \(\vec{v}\)，满足 \[i=t\vec{
第三节- 超平面
qq_14952615的博客
11-05 1566
这一节我们来讲一个新的东西，叫做 超 平面( hyper-plane)。 其实这个东西本身并不难理解。 只是我们在三维直角坐标系里面习惯了 直线 平面什么的，可能有些疑惑而已。 老规矩，我们先甩出定义： 超平面 hyperplane 看起来，超平面是这样的一些‘ 点 ’， 满足关系Sx = b， 通常S 与 b呢又是常数。 这个东西看起来是不是和直线的定义有点像啊。 是的，本质上就是一个线性关系。 其实以前高中定义的平面也是一个线性关系。 我们说 ax + by +cz = d 是一个平...
超平面分离
最新发布
06-06
### 超平面分离的概念及其与感知机的关系 #### 超平面的定义 超平面是 \(R^n\) 空间内的一个 \(n-1\) 维仿射子空间。具体而言，超平面可以由线性方程 \(\omega \cdot x + b = 0\) 表示，其中 \(\omega\) 是超平面的法向量，\(b\) 是截距[^3]。超平面将特征空间分为两个部分，位于两部分的点（特征向量）被划分为正负两类。因此，超平面 \(S\) 被称为分离超平面（separating hyperplane）。 #### 超平面分离定理 超平面分离定理（Separating Hyperplane Theorem）表明，在特定条件下，两个不相交的凸集总可以用一个超平面进行分离[^2]。该定理的核心思想是通过找到一个合适的超平面，使得所有属于一个集合的点都在超平面的一侧，而另一个集合的点在另一侧。 #### 感知机中的超平面分离 感知机是一种二分类的线性分类模型，其目标是找到一个能够将输入空间中的实例划分为两类的分离超平面。为实现这一目标，感知机导入了基于误分类的损失函数，并利用梯度下降法对损失函数进行最优化求解[^4]。 在感知机中，超平面由公式 \(\omega \cdot x + b = 0\) 定义，其中 \(\omega\) 和 \(b\) 是需要学习的参数。训练过程中，算法不断调整这些参数，直到找到一个能够正确划分数据的超平面。对于线性可分的数据集，感知机算法能够保证收敛到一个解[^4]。 #### 超平面分离的原理 超平面分离的原理基于几何距离的概念。给定一个数据点 \(x_i\) 和其类别标签 \(y_i \in \{+1, -1\}\)，如果点 \(x_i\) 被正确分类，则满足条件 \(y_i (\omega \cdot x_i + b) > 0\)。否则，该点被视为误分类点。感知机通过最小化误分类点到超平面的距离来优化参数 \(\omega\) 和 \(b\)。每次迭代中，算法选取一个误分类点并更新参数，以减少误分类的可能性[^4]。 #### 示例代码 以下是一个简单的感知机实现，展示了如何通过超平面进行分离： ```python import numpy as np class Perceptron: def __init__(self, learning_rate=0.1, max_epochs=1000): self.learning_rate = learning_rate self.max_epochs = max_epochs self.w = None self.b = None def fit(self, X, y): n_samples, n_features = X.shape self.w = np.zeros(n_features) self.b = 0 for _ in range(self.max_epochs): misclassified = False for i in range(n_samples): if y[i] * (np.dot(self.w, X[i]) + self.b) <= 0: # 如果误分类 self.w += self.learning_rate * y[i] * X[i] self.b += self.learning_rate * y[i] misclassified = True if not misclassified: break def predict(self, X): return np.sign(np.dot(X, self.w) + self.b) # 示例用法 if __name__ == "__main__": X = np.array([[3, 3], [4, 3], [1, 1]]) y = np.array([1, 1, -1]) perceptron = Perceptron(learning_rate=0.1, max_epochs=1000) perceptron.fit(X, y) print("权重 w:", perceptron.w) print("偏置 b:", perceptron.b) print("预测结果:", perceptron.predict(X)) ``` 上述代码实现了感知机的基本训练和预测功能，展示了如何通过超平面进行分离。 ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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