[Análisis del principio de IA]: principio de la máquina de vectores de soporte
2024-07-08
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Tabla de contenido
1. Descripción general de la máquina de vectores de soporte (SVM)
2. Hiperplano y vector de soporte.
3. Maximiza el intervalo
4. Problema de optimización
5. Función del núcleo
6. Resumen
1. Descripción general de la máquina de vectores de soporte (SVM)
- definición : La máquina de vectores de soporte es un modelo de aprendizaje supervisado que se utiliza principalmente para problemas de clasificación de datos. La idea básica es dividir los puntos de datos a través de un hiperplano de modo que los puntos de datos de diferentes categorías estén ubicados en ambos lados del hiperplano.
- Clasificación: Las máquinas de vectores de soporte se dividen principalmente en tres categorías: máquinas de vectores de soporte linealmente separables, máquinas de vectores de soporte lineales y máquinas de vectores de soporte no lineales.
2. Hiperplano y vector de soporte.
- hiperplano : En un espacio de n dimensiones, el hiperplano es un subespacio de n-1 dimensiones. En el espacio bidimensional es una línea recta; en el espacio tridimensional es un plano. El hiperplano se puede expresar como w^T * xb = 0, donde w es el vector normal, b es la intersección y x es el punto de muestra.
- vector de soporte : El punto de muestra más cercano al hiperplano se llama vector de soporte. Estos puntos juegan un papel decisivo a la hora de determinar la ubicación del hiperplano.
3. Maximiza el intervalo
- intervalo de función: Para un conjunto de entrenamiento y un hiperplano determinados, el intervalo de función desde el punto de muestra (x_i, y_i) hasta el hiperplano es r_i
