第七章 支持向量机.pdf

  1. 1、本文档共95页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第七章 支持向量机

袁春 清华大学深圳研究生院 李航 华为诺亚方舟实验室 目录 1. 线性可分支持向量机与硬间隔最大化 2. 线性支持向量机与软间隔最大化 3. 非线性支持向量机与核函数 4. 序列最小最优化算法 一、线性可分支持向量机与硬间 隔最大化 线性可分支持向量机 函数间隔和几何间隔 间隔最大化 学习的对偶算法 线性可分支持向量机 二分类问题: 输入空间:欧式空间或离散集合 特征空间:欧式空间或希尔伯特空间 线性可分支持向量机、线性支持向量机:假设这两个空 间的元素一一对应,并将输入空间中的输入映射为特征 空间中的特征向量; 非线性支持向量机:利用一个从输入空间到特征空间的 非线性映射将输入映射为特征向量; 支持向量机的学习是在特征空间进行的. 线性可分支持向量机 假设特征空间上的训练数据集: 正例和负例 学习的目标:找到分类超平面, 线性可分支持向量机:给定线性可分训练数据集,通过 间隔最大化或等价地求解相应的凸二次规划问题学习得 到的分离超平面为 决策函数: 线性可分支持向量机与硬间隔最大化 w· x + b w = 0 w ·x + b 0 w ·x + b 0 6 超平面选择 ? 7 Margins Support Vectors Support Vectors 点到超平面的距离 g(x) wxb x x |b| ||w|| 9 函数间隔和几何间隔 点到分离超平面的远近  表示分类预测的确信程度  的符号与类标记y 的符号是否一致  表示分类是否正确 所以:  表示分类的正确性和确信度 函数间隔和几何间隔 函数间隔 样本点的函数间隔 x

文档评论(0)

dajuhyy + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档