支持向量机(SVM)例题

对于图中所示的线性可分的20个样本数据,利用支持向量机进行预测分类,有三个支持向量 A ( 0 , 2 ) A(0, 2) A(0,2)、 B ( 2 , 0 ) B(2, 0) B(2,0) 和 C ( − 1 , − 1 ) C(-1, -1) C(−1,−1)。

  1. 求支持向量机的线性判别函数。
  2. 删除点 A 后,支持向量是否变化?

求解:

  1. 三个点,建立联立方程组:
    { w 1 x A + w 2 y A + b = 1 w 1 x B + w 2 y B + b = 1 w 1 x C + w 2 y C + b = − 1 \begin{cases} w_1 x_A + w_2 y_A + b &= 1 \\ w_1 x_B + w_2 y_B + b &= 1 \\ w_1 x_C + w_2 y_C + b &= -1 \\ \end{cases} ⎩ ⎨ ⎧w1xA+w2yA+bw1xB+w2yB+bw1xC+w2yC+b=1=1=−1

x A y A 1 x B y B 1 x C y C 1 \] \[ w 1 w 2 b \] = \[ 1 − 1 − 1 \] \\begin{bmatrix} x_A \& y_A \& 1 \\\\ x_B \& y_B \& 1 \\\\ x_C \& y_C \& 1 \\\\ \\end{bmatrix} \\begin{bmatrix} w_1 \\\\ w_2 \\\\ b \\\\ \\end{bmatrix}=\\begin{bmatrix} 1 \\\\ -1 \\\\ -1 \\\\ \\end{bmatrix} xAxBxCyAyByC111 w1w2b = 1−1−1 求解 w 1 = 0.5 w 2 = 0.5 b = 0 \\begin{align\*} w_1 \&= 0.5 \\\\ w_2 \&= 0.5 \\\\ b \&= 0 \\\\ \\end{align\*} w1w2b=0.5=0.5=0 线性判别函数 f ( x ) = 0.5 x + 0.5 y f(x) = 0.5x + 0.5y f(x)=0.5x+0.5y 2. 变化

相关推荐
董董灿是个攻城狮4 小时前
AI视觉连载8:传统 CV 之边缘检测
算法
小黎147577898536410 小时前
OpenClaw 连接飞书完整指南:插件安装、配置与踩坑记录
机器学习
AI软著研究员11 小时前
程序员必看:软著不是“面子工程”,是代码的“法律保险”
算法
FunnySaltyFish12 小时前
什么?Compose 把 GapBuffer 换成了 LinkBuffer?
算法·kotlin·android jetpack
哥布林学者12 小时前
高光谱成像(二)光谱角映射 SAM
机器学习·高光谱成像
颜酱13 小时前
理解二叉树最近公共祖先(LCA):从基础到变种解析
javascript·后端·算法
哥布林学者1 天前
高光谱成像(一)高光谱图像
机器学习·高光谱成像
地平线开发者1 天前
SparseDrive 模型导出与性能优化实战
算法·自动驾驶
董董灿是个攻城狮1 天前
大模型连载2:初步认识 tokenizer 的过程
算法
地平线开发者1 天前
地平线 VP 接口工程实践(一):hbVPRoiResize 接口功能、使用约束与典型问题总结
算法·自动驾驶