支持向量机中的决策边界

我在阅读http://nlp.stanford.edu/上的以下示例问题时,遇到了这个问题enter image description here

“考虑在图中显示的(非常少的)数据集上构建一个支持向量机。从几何角度来看,对于这样的例子,最大间隔权重向量将与连接两个类别点的最短线平行,即(1,1)和(2,3)之间的线,这给出了一个权重向量(1,2)。最优决策面与该线正交,并在其中间点相交。因此,它通过点(1.5,2)。所以,支持向量机的决策边界是:

y = x_1 + 2x_2 – 5.5″

有谁能友好地向我解释我们是如何得到这个方程的?非常感谢。


回答:

这条线与(1,1)和(2,3)之间的线垂直,并通过它们的中心点((1+2)/2,(1+3)/2)。因此,这条线将实现最大间隔并分隔(1,1)和(2,3)。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注