svm
jikuibu
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
支持向量机(SVM)算法(二)
(书接上文) 寻找最大间隔: 经过了第一部分的概述,接下来要寻找数据集的最佳分隔超平面。我们已经知道,高维样本空间中的超平面方程为: 其中为法向量,决定了超平面的方向;b 为位移项,决定了超平面与原点之间的距离。显然,分隔超平面可被法向量 w和位移 b 确定,记为。样本空间中任意点x到超平面的距离为: 如果超平面能正确的对样本点分类,即:若,则有;若,则有。 假设: ...原创 2019-03-13 00:07:34 · 638 阅读 · 0 评论 -
支持向量机(SVM)算法(三)
(书接上文) 原目标函数的对偶问题 前面我们已经知道,只要求解了(公式4)便能获得我们想要的最佳的分隔超平面。考虑到(公式4)不易直接求解,我们想采用拉格朗日乘子法来对其进行变换,进而获得原问题的对偶问题。只要对偶问题求解了,原问题也会得到最优解。 根据拉格朗日对偶性,原始问题的对偶问题是个极大极小问题,即: 为了求得对偶问题的解,需要先求对的极小值,再求对的极大值。 1)...原创 2019-03-14 17:00:44 · 273 阅读 · 0 评论 -
支持向量机(SVM)算法(四)
(书接上文) 对偶问题的求解-SMO算法 前文已经推导出了原问题的对偶问题,那么如何求解它呢?比较好的方法就是利用SMO算法。 SMO 的基本思路是先固定向之外的所有参数,然后求上的极值。由于存在约束条件,若固定以外的其它变量,则可由其它变量导出。于是,SMO每次选择两个变量和,并固定其它参数。这样,在参数初始化后,SMO不断执行以下两个步骤直到收敛: 1)选取一对需要更新的变量和; 2...原创 2019-03-14 22:45:02 · 239 阅读 · 0 评论
分享