支持向量机(第十章)解析.pptVIP

上式也可以表示为： r= g(x)/||w||。当x=0时，表示原点到超平面的距离，r0= g(0)/||w||=w0/||w||，标示在上图中。 总之： 线性判别函数利用一个超平面把特征空间分隔成两个区域。 超平面的方向由法向量w确定，它的位置由阈值w0确定。 判别函数g(x)正比于x点到超平面的代数距离（带正负号）。当x点在超平面的正侧时，g(x)0；当x点在超平面的负侧时，g(x)0 利用线性判别函数设计多类分类器有多种方法。例如 可以把k类问题转化为k个两类问题，其中第i 个问题是用线性判别函数把属于Ci类与不属于Ci类的点分开。 更复杂一点的方法是用k(k-1)/2个线性判别函数，把样本分为k个类别，每个线性判别函数只对其中的两个类别分类。 在一维空间中，没有任何一个线性函数能解决下述划分问题（黑红各代表一类数据），可见线性判别函数有一定的局限性。 如果建立一个二次判别函数g(x)=(x-a)(x-b)，则可以很好的解决上述分类问题。 决策规则仍是：如果g(x)0，则判定x属于C1，如果g(x)0，则判定x属于C2，如果g(x)=0，则可以将x任意分到某一类或者拒绝判定。 如：Fisher线性判别方法，主要解决把d维空间的样本投影到一条直线上，形成一维空间，即把维数压缩到一维。 然而在d维空间分得很好的样本投影到一维空间后，可能混到一起而无法分割。 但一般情