SVM

SVM涉及的內(nèi)容相當(dāng)多割粮,這里只是列了一些關(guān)鍵點(diǎn)方便記憶艇纺。

1怎静、原始問(wèn)題

SVM的基本思想:在將所有樣本都正確分類的前提下,求一個(gè)幾何間隔最大的超平面黔衡。
\gamma_i為樣本i的幾何間隔蚓聘,令 \gamma=\min_{i=1,2...N}\gamma_i,那么有:


1.1
目標(biāo)函數(shù): \max_{w,b}\ \gamma

約束條件:s.t. \ y_i(\frac{w^Tx_i+b}{||w||}) \ge \gamma,\ \ i=1,2...N


1.2
由幾何間隔和函數(shù)間隔的關(guān)系盟劫,將幾何間隔替換為函數(shù)間隔夜牡,得到:
\quad\quad \quad \max_{w,b}\ \frac{\hat{\gamma}_{i}}{||w||}

\quad\quad\quad s.t. \quad y_i(w^Tx_i+b) \ge \hat{\gamma},\ \ i=1,2...N


1.3
由于函數(shù)間隔可以取任意值,而不影響目標(biāo)函數(shù)取值和約束條件的成立(參考李航-統(tǒng)計(jì)學(xué)習(xí)方法p.99)侣签,因此令\hat{\gamma}=1氯材,得到:
\quad\quad \quad \max_{w,b}\ \frac{1}{||w||}

\quad\quad\quad s.t. \quad y_i(w^Tx_i+b) \ge 1,\ \ i=1,2...N
也就是:
\quad\quad \quad \min_{w,b}\ \frac{1}{2}||w||^2

\quad\quad\quad s.t. \quad y_i(w^Tx_i+b) \ge 1,\ \ i=1,2...N
得到了凸二次規(guī)劃問(wèn)題的形式渣锦。


2、目標(biāo)函數(shù)的拉格朗日變換

2.1 拉格朗日變換的作用:1氢哮、對(duì)偶問(wèn)題更容易求解袋毙、2、自然的引入核函數(shù)
2.2 通過(guò)拉格朗日對(duì)偶性冗尤,通過(guò)求解原始問(wèn)題的對(duì)偶問(wèn)題得到原始問(wèn)題的最優(yōu)解听盖。
L(w,b,\alpha)=\frac{1}{2}||w||^2-\sum_{i=1}^{N}\alpha_iy_i(wx_i+b)+\sum_{i=1}^{N}\alpha_i
\alpha為拉格朗日乘子。
二次規(guī)劃的對(duì)偶問(wèn)題為:
\quad\quad\quad \max_{\alpha} \sum_{i=1}^{N}\alpha_i-\frac{1}{2}\sum_{i=1}^{N}\sum_{j=1}^{N} \alpha_i\alpha_j y_iy_j x_i^Tx_j
\quad\quad\quad s.t. \quad \sum_{i=1}^{N}\alpha_iy_i=0, \quad \alpha_i\ge0
求解后得到最終的分類函數(shù):
f(x) = \sum_{i=1}^{N}\alpha_iy_i(x_i^Tx)+b
對(duì)應(yīng)的超平面為:\sum_{i=1}^{N}\alpha_iy_i(x_i^Tx)+b=0
其中:
\alpha_i\ge0;
y_if(x_i)-1\ge0
\alpha_i(y_if(x_i)-1)=0; 由這個(gè)條件可以發(fā)現(xiàn)裂七,出現(xiàn)在f(x)中的只有滿足y_if(x_i)-1的樣本皆看,也就是支持向量

3背零、核函數(shù)

從原始空間到高維空間的映射記為:x=>\phi(x)腰吟,代入以上公式可得:
\quad\quad\quad \max_{\alpha} \sum_{i=1}^{N}\alpha_i-\frac{1}{2}\sum_{i=1}^{N}\sum_{j=1}^{N} \alpha_i\alpha_j y_iy_j \phi(x_i)^T\phi(x_j)
\quad\quad\quad s.t. \quad \sum_{i=1}^{N}\alpha_iy_i=0, \quad \alpha_i\ge0
由于\phi(x)的維度很高,直接求解通常很困難徙瓶,所以引入核函數(shù)的概念:
k(x_i,x_j)=\phi(x_i)^T\phi(x_j),即樣本i和j在高維空間的內(nèi)積可通過(guò)函數(shù)k(x_i,x_j)計(jì)算得到毛雇。這個(gè)函數(shù)k就是核函數(shù)。
求解后得到:
f(x) = \sum_{i=1}^{N}\alpha_iy_i k(x_i,x)+b
核函數(shù)的類型有:線性核x_ix_j侦镇、多項(xiàng)式核(x_ix_j)^d灵疮、高斯核等等

4、軟間隔和正則化

軟間隔即給約束條件加入松弛變量:
\quad\quad \quad \min_{w,b}\ \frac{1}{2}||w||^2 + C\sum_{i=1}^{N}\xi_i
\quad\quad\quad s.t. \quad y_i(w^Tx_i+b) \ge 1- \xi_i,\ \ i=1,2...N

5壳繁、補(bǔ)充概念:

1震捣、超平面:
w^Tx+b=0
2、幾何間隔闹炉,也就是點(diǎn)到超平面的垂直距離:
\gamma_{i}=\frac{|w^Tx_i+b|}{||w||}
3蒿赢、函數(shù)間隔:
\hat{\gamma}_{i}=|w^Tx_i+b|
所以函數(shù)間隔和幾何間隔的關(guān)系是:\gamma_{i}=\frac{\hat{\gamma}_{i}}{||w||}

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市渣触,隨后出現(xiàn)的幾起案子诉植,更是在濱河造成了極大的恐慌,老刑警劉巖昵观,帶你破解...
    沈念sama閱讀 219,039評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件晾腔,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡啊犬,警方通過(guò)查閱死者的電腦和手機(jī)灼擂,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,426評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)觉至,“玉大人剔应,你說(shuō)我怎么就攤上這事。” “怎么了峻贮?”我有些...
    開(kāi)封第一講書人閱讀 165,417評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵席怪,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我纤控,道長(zhǎng)挂捻,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書人閱讀 58,868評(píng)論 1 295
  • 正文 為了忘掉前任船万,我火速辦了婚禮刻撒,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘耿导。我一直安慰自己声怔,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,892評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布舱呻。 她就那樣靜靜地躺著醋火,像睡著了一般。 火紅的嫁衣襯著肌膚如雪箱吕。 梳的紋絲不亂的頭發(fā)上芥驳,一...
    開(kāi)封第一講書人閱讀 51,692評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音殖氏,去河邊找鬼晚树。 笑死姻采,一個(gè)胖子當(dāng)著我的面吹牛雅采,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播慨亲,決...
    沈念sama閱讀 40,416評(píng)論 3 419
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼婚瓜,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了刑棵?” 一聲冷哼從身側(cè)響起巴刻,我...
    開(kāi)封第一講書人閱讀 39,326評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎蛉签,沒(méi)想到半個(gè)月后胡陪,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,782評(píng)論 1 316
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡碍舍,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,957評(píng)論 3 337
  • 正文 我和宋清朗相戀三年柠座,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片片橡。...
    茶點(diǎn)故事閱讀 40,102評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡妈经,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情吹泡,我是刑警寧澤骤星,帶...
    沈念sama閱讀 35,790評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站爆哑,受9級(jí)特大地震影響洞难,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜泪漂,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,442評(píng)論 3 331
  • 文/蒙蒙 一廊营、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧萝勤,春花似錦露筒、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 31,996評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至趟径,卻和暖如春瘪吏,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背蜗巧。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 33,113評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工掌眠, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人幕屹。 一個(gè)月前我還...
    沈念sama閱讀 48,332評(píng)論 3 373
  • 正文 我出身青樓蓝丙,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親望拖。 傳聞我的和親對(duì)象是個(gè)殘疾皇子渺尘,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,044評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • 本章涉及到的知識(shí)點(diǎn)清單:1、決策面方程2说敏、函數(shù)間隔和幾何間隔3鸥跟、不等式約束條件4、SVM最優(yōu)化模型的數(shù)學(xué)描述(凸二...
    PrivateEye_zzy閱讀 13,239評(píng)論 3 10
  • 參考Jerrylead和july-支持向量機(jī)通俗導(dǎo)論 一盔沫、由邏輯回歸医咨,引申出SVM(線性可分的SVM) 1.1 邏...
    小碧小琳閱讀 1,446評(píng)論 0 2
  • 【干貨】支持向量機(jī)SVM算法推演 來(lái)源:海闊心 盡管早就聽(tīng)說(shuō)SVM比較復(fù)雜,當(dāng)真正下筆推導(dǎo)時(shí)其復(fù)雜程度還是出乎意料...
    Major術(shù)業(yè)閱讀 2,664評(píng)論 0 9
  • 一、什么是支持向量機(jī) 支持向量機(jī)(supportvectormachine),故一般簡(jiǎn)稱SVM偶宫,通俗來(lái)講,它是一種...
    owolf閱讀 4,759評(píng)論 0 3
  • 1惩歉、SVM簡(jiǎn)介 給定訓(xùn)練樣本集D等脂,分類學(xué)習(xí)最基本的想法就是基于D在樣本空間中找到一個(gè)超平面,將不同種類的樣本分開(kāi)撑蚌。...
    單調(diào)不減閱讀 2,392評(píng)論 0 6