SVM向量支持机

1.通俗理解

  1. svm:support vector machine
  2. 目标:利用超平面将两类数据分割开来,这个超平面就是我们要设计的对象

如何设计?我们设计之后会有间隔,间隔越大分类效果就越好;距离决策边界最近的点我们成为支持向量,如下图正超平面,负超平面和决策超平面

  1. 损失因子→软间隔(有一定的容错率)
  2. 升维转换(当我们在二维空间无法将数据区分的时候我们可以将数据维度转换到三维空间,在新维度下找到合适的超平面),但是这需要转换函数。

↓

核技巧,提供高维度向量相似度的测量

2.数学理解

对上图的理解:通过两组式子得出w向量和超平面垂直,和Xm-Xn近似,因此我们可以通过数学公式推导出L的公式,因此求Lmax即就是求Wmin,那接下来就看Wmin怎么求

三步,很枯燥

相关推荐
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
ashiho10 小时前
【LeetCode hot 100】3. 无重复字符的最长子串 (三种解法)
java·数据结构·后端·算法·leetcode·滑动窗口
数据工匠老o11 小时前
数据库没死,业务卡住了:行锁等待、元数据锁、长事务的排查路径
数据库·算法·架构
黑客笔记11 小时前
安全态势感知中的资产失陷排名思考
人工智能·算法·网络安全
Asher112511 小时前
电池数据整理复盘:从 MAT 文件到充电曲线
机器学习
龙腾AI白云12 小时前
具身智能的空间导航与未知环境探索
大数据·数据库·人工智能·机器学习·知识图谱
青少儿编程课堂13 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:扫描线与线段树求矩形面积并解析
c++·python·算法·bfs·信息学竞赛
电科_银尘13 小时前
【大模型算法与工程 09】SGD、Momentum与AdamW:优化器如何选择
人工智能·算法
汤姆宝库15 小时前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习