61. 支持向量机(线性模型)的图像展示

支持向量机学习方法,针对不同的情况,有由简至繁的不同模型:

线性可分支持向量机(linear support vector machine in linearly separable case):训练数据线性可分的情况下,通过硬间隔最大化(hard margin maximization),学习一个线性的分类器,即线性可分支持向量机(亦称作硬间隔支持向量机)。

线性支持向量机(linear support vector machine):训练数据近似线性可分的情况下,通过软间隔最大化(soft margin maximization),学习一个线性的分类器,称作线性支持向量机(又叫软间隔支持向量机)。

非线性支持向量机(non-linear support vector machine):训练数据线性不可分的情况下,通过使用核技巧(kernel trick)及软间隔最大化,学习非线性分类器,称作非线性支持向量机。

开始上课了
同学们嗯
上一次课程的这个回顾
我大致写到了那边的那个黑板上
然后接下来呢给大家看一下
就是说运用这样suv m这种最大化marin的这个方法
来做这个分类的一个例子
这是我呃我们通过这个s vm的工具包写的一个这个分类的
这个麦特的程序
大家可以看到在这里圆圈代表一类
差代表另外的一类
由于它是一个线性可分的
所以说我们有能够做出一条线把它分开
而svm在这里求的是什么样的线呢
我们在前面讲过是求的是最大化这个margin
最大化这个间隔的一条一条线
我们可以看一下这个目目目前这样子的一个一个情况啊
啊就是说呃回顾一下的话
就是说这条线如果说想向左边这边向上移动
它将会擦过擦过
就我感觉到第一个插过的十字是是这里的一个点
然后他如果往下移动
平行的往下移动
插过的是这一个点
所以说这个有多大啦
这个margin大概就是这个和这个点所在平行线的一个一个距离
你可以看到它能够非常好地把它把它分开了
这样子是一个状况

发表评论

邮箱地址不会被公开。 必填项已用*标注