超平面介绍

超平面公式

(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。

以下向量均为列向量

假如有法向量 ω \omega ω(垂直于超平面) ,已知超平面中的一点 x , x^, x,,对于超平面中的任意一点 x x x,均有 ω \omega ω 垂直于向量 x − x , x-x^, x−x,。公式表示就是:

ω T ( x − x , ) = 0 \omega^T(x-x^,)=0 ωT(x−x,)=0

展开有 ω T x ω T x , = 0 \omega^T x\omega^T x^,=0 ωTxωTx,=0

另 b = − ω T x , = − ( w 1 x 1 , + w 2 x 2 , + . . . + w n x n , ) b = -\omega^T x^,=-(w^1 x^,_1+w^2 x^,_2+...+w^n x^,_n) b=−ωTx,=−(w1x1,+w2x2,+...+wnxn,)

则有 ω T x + b = 0 \omega^T x+b=0 ωTx+b=0

所以超平面的公式可以写成:
ω T x + b = 0 \omega^T x+b=0 ωTx+b=0

其中 ω \omega ω 为 N 维向量,b为标量,表示超平面于原点之间的距离

点到超平面距离

现在我们有一点 x 0 x_0 x0,需要求它到超平面之间的距离

参考:

如何理解超平面?
超平面是什么?------理解超平面(SVM开篇之超平面详解)
SVM:任意点到超平面的距离公式

相关推荐
正义的彬彬侠6 天前
《SMO算法 公式推导》9-72选择两个变量α1和α2其它固定 公式解析
人工智能·机器学习·支持向量机·svm·smo·线性不可分支持向量机
正义的彬彬侠8 天前
近似线性可分支持向量机的原理推导
人工智能·机器学习·支持向量机·svm·近似线性可分支持向量机
正义的彬彬侠8 天前
绘制近似线性可分支持向量机的分类边界和支持向量
人工智能·python·机器学习·支持向量机·分类·svm
正义的彬彬侠9 天前
《近似线性可分支持向量机的原理推导》 拉格朗日函数 公式解析
人工智能·机器学习·支持向量机·svm·近似线性可分支持向量机
正义的彬彬侠10 天前
什么是SMO算法
人工智能·算法·机器学习·支持向量机·svm·smo·线性不可分支持向量机
正义的彬彬侠10 天前
《近似线性可分支持向量机的原理推导》KKT(Karush-Kuhn-Tucker)条件 公式解析
人工智能·机器学习·支持向量机·svm·近似线性可分支持向量机
正义的彬彬侠13 天前
线性可分支持向量机的原理推导 9-29对偶可行性条件 公式解析
人工智能·机器学习·支持向量机·svm
正义的彬彬侠14 天前
线性可分支持向量机的原理推导 9-27拉格朗日乘子和不等式约束关系 公式解析
人工智能·机器学习·支持向量机·svm
正义的彬彬侠14 天前
什么是KKT 条件(Karush-Kuhn-Tucker 条件)
人工智能·机器学习·支持向量机·svm·kkt
正义的彬彬侠15 天前
线性可分支持向量机的原理推导 标准优化目标 公式解析
人工智能·机器学习·支持向量机·svm