SVM
2016-06-26 18:24
225 查看
SVM的目的就是找到一组向量w和常量b,构成一个超平面
,学习出一个分类函数
,
SVM的目的就是找到一组向量w和常量b,构成一个超平面
,学习出一个分类函数
,SVM叫做支持向量机,我主要想说一下支持向量的定义,利用超平面将数据分为两类,将每一类中距离超平面最近的点与超平面做两个平行的平面,而“支撑”这两个超平面的必定会有一些点,而这些“支撑”的点便叫做支持向量。
很显然,由于这些支持向量(x,y)刚好在边界上,所以它们满足
(前面,函数间隔固定为1);而对于所有不是支持向量的点,也就是在“阵地后方”的点,则显然有y(wTx + b) > 1。事实上,当最优的超平面确定下来之后,这些后方的点就不会对超平面产生任何影响。SVM这样的特性一个最直接的好处就在于存储和计算上的优越性-只需要存储和计算少量的支持向量点即可完成对新数据的分类判断。例如,如果使用
100 万个点求出一个最优的超平面,其中是 supporting vector 的有 100 个,那么我只需要记住这 100 个点的信息即可,对于后续分类也只需要利用这 100 个点而不是全部 100 万个点来做计算。当然,通常除了k 近邻之类的“Memory-based Learning”算法,通常算法也都不会直接把所有的点用来做后续推断中的计算。
SVM的目的就是找到一组向量w和常量b,构成一个超平面
,学习出一个分类函数
,
SVM的目的就是找到一组向量w和常量b,构成一个超平面
,学习出一个分类函数
,SVM叫做支持向量机,我主要想说一下支持向量的定义,利用超平面将数据分为两类,将每一类中距离超平面最近的点与超平面做两个平行的平面,而“支撑”这两个超平面的必定会有一些点,而这些“支撑”的点便叫做支持向量。
很显然,由于这些支持向量(x,y)刚好在边界上,所以它们满足
(前面,函数间隔固定为1);而对于所有不是支持向量的点,也就是在“阵地后方”的点,则显然有y(wTx + b) > 1。事实上,当最优的超平面确定下来之后,这些后方的点就不会对超平面产生任何影响。SVM这样的特性一个最直接的好处就在于存储和计算上的优越性-只需要存储和计算少量的支持向量点即可完成对新数据的分类判断。例如,如果使用
100 万个点求出一个最优的超平面,其中是 supporting vector 的有 100 个,那么我只需要记住这 100 个点的信息即可,对于后续分类也只需要利用这 100 个点而不是全部 100 万个点来做计算。当然,通常除了k 近邻之类的“Memory-based Learning”算法,通常算法也都不会直接把所有的点用来做后续推断中的计算。
相关文章推荐
- unity/shader 小结
- mongodb 3 java教程
- 这些git技能够你用一年了(非常好)
- Two Cylinders (辛普森公式处理积分)
- 子进程的创建
- JAVAweb开发技术-------(三)JSP
- 手机APP兼容性测试
- java.lang.IllegalStateException: commit already called
- 练习Android大图轮播效果的实现-大致布局
- [代码实例][gtk+]创建按钮
- 个人独立游戏总结
- 第九届河南省赛 A nyoj1272 表达式求值
- 《OD学hadoop》第一周0625 LINUX作业一:Linux系统基本命令(一)
- 数据结构复习之二叉树(2)
- 单链表的所有操作list
- 动态规划-装配线调度问题
- 刘秀的东汉
- Java中数组和集合的转换
- consul简介
- 内网主机,智能设备的互联网访问方案,可联网即可当服务器。