【人工智能】— Support Vector Machines 支持向量机

【人工智能】— Support Vector Machines 支持向量机

  • 支持向量机概述
  • 支持向量机
  • 支持向量机原理介绍
  • 分类间距(Classification Margin)

支持向量机概述

【人工智能】— Support Vector Machines 支持向量机_第1张图片

找到使间隔最大化的超平面=>B1比B2更好
【人工智能】— Support Vector Machines 支持向量机_第2张图片

【人工智能】— Support Vector Machines 支持向量机_第3张图片

支持向量机

  • 研究起因:如何找到最优的切分面
    • 分类间隔(Classification Margin)
      【人工智能】— Support Vector Machines 支持向量机_第4张图片
      【人工智能】— Support Vector Machines 支持向量机_第5张图片
  • 直观上最有效
  • 概率的角度,就是使得置信度最小的点置信度最大
  • 即使我们在选边界的时候犯了小错误,使得边界有偏移,仍然有很大概率保证可以正
    确分类绝大多数样本
  • 很容易实现交叉验证,因为边界只与极少数的样本点有关
  • 有一定的理论支撑(如VC维)
  • 实验结果验证了其有效性
    【人工智能】— Support Vector Machines 支持向量机_第6张图片【人工智能】— Support Vector Machines 支持向量机_第7张图片

支持向量机原理介绍

分类间距(Classification Margin)

  • 线性分类几何
  • 判别函数
    • 在这里插入图片描述
  • 重要性质:如果我们缩放,距离不会改变在这里插入图片描述
    【人工智能】— Support Vector Machines 支持向量机_第8张图片

2023/6/4/20:40:22

你可能感兴趣的:(笔记,人工智能,人工智能,支持向量机,机器学习)