设为首页 - 加入收藏
广告 1000x90
您的当前位置:12555主二肖com > 距离向量 > 正文

支持向量机中的函数距离和几何距离怎么理解?

来源:未知 编辑:admin 时间:2019-06-03

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  在超平面确定的情况下,可以相对地表示点距离超平面的远近。对于两类分类问题,如果,则的类别被判定为1;否则判定为-1。

  所以如果,则认为的分类结果是正确的,否则是错误的。且的值越大,分类结果的确信度越大。反之亦然。

  但是该定义存在问题:即和同时缩小或放大M倍后,超平面并没有变化,但是函数间隔却变化了。所以,需要将的大小固定,如,使得函数间隔固定。这时的间隔也就是几何间隔 。

  实际上,几何间隔就是点到超平面的距离。想像下中学学习的点到直线的距离公式

  所以在二维空间中,几何间隔就是点到直线的距离。在三维及以上空间中,就是点到超平面的距离。而函数距离,就是上述距离公式中的分子,即未归一化的距离。

  SVM训练分类器的方法是寻找到超平面,使正负样本在超平面的两侧,且样本到超平面的几何间隔最大。

  展开全部Tipping(RVM的作者)说RVM是一种用于回归和分类的贝叶斯稀疏核算法,和SVM很像,但是避免了SVM的诸多缺点。

  例如,SVM无法计算样本输出的后验概率分布,SVM不太适用于多分类问题,SVM的超参数需要通过交叉验证得到,这就非常耗费时间,而且SVM的核函数必须是正定的。

  而RVM却避免了这些缺点,这就意味着RVM可以计算输出的概率分布、很自然的适用于多分类问题,超参数不需要通过交叉验证得到,而且,核函数可以任意指定,不是必须要正定的。最后,RVM得到的解要比更SVM稀疏的解

本文链接:http://organikhijau.com/julixiangliang/152.html

相关推荐:

网友评论:

栏目分类

现金彩票 联系QQ:24498872301 邮箱:24498872301@qq.com

Copyright © 2002-2011 DEDECMS. 现金彩票 版权所有 Power by DedeCms

Top