支持向量机

今天考试中我遇到了这些问题。请回答是或否,并解释原因。

  1. 如果k1(.,.)和k2(.,.)是两个有效的核函数,那么如果h = k1 – k2,h(.,.)是否是一个有效的核函数?

  2. 使用标准的软间隔SVM对数据集进行分类。我们有一个固定的C参数。使用两种不同的算法A1和A2来获得支持向量集{S: αi > 0}。称它们为S1和S2。在所有情况下S1是否等于S2?假设两种算法使用相同的核函数。

编辑:

我的猜测是:

  1. 由于核函数需要是半正定(PSD)的,两个核函数的差不一定是半正定的。因此是FALSE。

  2. αi在两种算法之间可能不同,支持向量的数量也可能不同。因此再次是FALSE。


回答:

A) 常数0是一个核函数,常数1也是一个核函数。但是0-1=-1不是半正定的。

因此在我看来是错误的。

B) 假设二维数据,其中Class 1的x=0,Class 2的x=1,y是均匀随机的。每个类中的任何向量都和其他的向量一样是好的支持向量,从而得到相同的超平面。视觉上:

x1 | y1   |x2 | y2

哪个SVM更好,使用x1和y1作为支持向量的SVM,还是使用x2和y2的SVM?

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注