SVM Scores – Upper Bound?

我对支持向量机有一个疑问,特别是关于它们的分类得分:这些分类得分是否有上限?我认为没有,因为支持向量机只是一个超平面,而得分基本上是某个点到这个超平面的距离。如果没有限制,某个点可以位于空间中的任何位置,因此距离是没有上限的,对吗?

我问这个问题是因为我读到了以下这句话:

“当决策得分是有界的——而SVM得分是由边界限定的——…”

你能解释一下这句话的意思吗?我不明白边界如何成为检测得分的界限…

谢谢你的帮助,我非常感激!


回答:

你的直觉是正确的。你读到的内容充其量是误导性的,或者完全错误(无论如何都需要一些背景)。SVM的决策值没有上限。这完全取决于测试实例。

SVM的决策值是测试实例和支持向量在特征空间内的内积的线性组合。如果测试实例的范数是无限的,这些内积也会是无限的。

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