《机器学习技法》---soft-margin SVM
2024-09-01 09:42:26
1. soft-margin SVM的形式
其中ξn表示每个点允许的犯错程度(偏离margin有多远),但是犯错是有代价的,也就是目标函数里面要最小化的。c控制对犯错的容忍程度。
2. 推导soft SVM的对偶问题
首先写出拉格朗日函数:
可以推导出对偶问题为:
即:
最优解满足KKT条件:
代入后可以将贝塔消去,ξ消去:
因此,对偶问题基本和原来相似:
3. 解 soft SVM问题
如何求b?需要找到阿尔法大于零小于C的那些向量,称为free向量:
4. soft-margin SVM中的三类向量
5. SVM中的留一交叉验证
未完持续
最新文章
- Element is not currently interactable and may not be manipulated
- 关于使用flexible.js自适应页面,发现文字很多时,字体会变大的问题的原因和解决方案
- 编程之路 - 写给打算进入IT行业的新人们
- C# 从excel里面复制的1万6千多条记录粘贴到FCKeditor里面,点保存的时候,保存不了,页面没有反应
- Python 科学计算涉及模块
- HDU1130 卡特兰数
- java web中Jdbc访问数据库步骤通俗解释(吃饭),与MVC的通俗解释(做饭)
- Windows Text Copyer 1.1绿色版
- Java:final、static关键字 详解+两者结合使用
- ctp交易平台转java接口转换
- 【Luogu1345】奶牛的电信(网络流)
- Java并发——线程介绍
- 偶现bug如何处理?
- VUE (vue-cli)脚手架项目说明
- Python全栈之路----函数----高阶函数
- EMQ笔记
- Java多线程--锁的优化
- Django +uwsgi+python3+nginx + mysql 部署
- java SE 入门之语言与环境(第一篇)
- 在windows下的CLI模式下如何运行php文件