支持向量机和拉格朗日乘数

要找到超平面,我们必须通过拉格朗日乘数解决优化问题。我读过许多教程,它们都说支持向量是唯一具有非零拉格朗日乘数的向量。

我想了解这是为什么,还是我们只是假设的?


回答:

这是因为从数学角度来看,超平面可以表示为(在线性情况下):

w = SUM_i^N y_i alpha_i x_i

因此,如果一些拉格朗日乘数(alpha_i)为零,它们对应的向量(x_i)对超平面完全没有影响,因为乘以零会使该向量从计算中消失。在核函数的情况下也是如此

<w, x> = SUM_i^N y_i alpha_i K(x_i, x)

对于拉格朗日乘数为零的情况,对应向量的核函数值无关紧要(同样 – 乘以零会删除此元素)。

因此,我们这些用于表达超平面的向量为支持向量,因为它们是唯一真正支持超平面的向量,其余的向量在计算中被忽略。

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