计算线性SVM分类器的分类面方程

链接:https://www.nowcoder.com/questionTerminal/104e95c6a13d464a86eb6b657cc545c0

这里的正负样本不重要,只是在使用SVM原理计算时,y的值不同而已。

有两个样本点,第一个点为负样本,它的特征向量是(0,-1);第二个点为正样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是( C )

  • 2x+y=4
  • x+2y=5
  • x+2y=3
  • 以上都不对

 

简单计算方法:

      

/*
SVM要找到间隔最大的分类平面,这里即求两点(0,-1),(2,3)的垂直平分线。
斜率为:-1/((3+1)/(2-0))=-1/2
中点为:(1,1)
所以,分类超平面为:x+2y=3
*/

       求中垂线嘛~斜率加过中点就好了

       就两个点,间隔最大的超平面肯定就是过中点且垂直的直线啊。

使用SVM原理,解答:

        (0,-1)是负样本,(2,3)是正样本,因为必须满足约束条件 
 

      于是必须满足:

        min  1/2(w12+w22)

       s.t.   -1*(0*w1-1*w2+b)>=1

               1*(2*w1+3*w2+b)>=1

       这样联立方程组可以解出w1=1/5,w2=2/5,b= -3/5,所以就是答案C

 

     计算线性SVM分类器的分类面方程_第1张图片

你可能感兴趣的:(机器学习)