是否可以提供有关SVM算法工作原理的高层次但具体的解释?概括地说,我的意思是不需要深入研究所有不同类型的SVM,参数的细节,没有一个。具体而言,我的意思是解释代数而不是单纯的几何解释的答案。我了解它会找到一个决策边界,将您的训练集中的数据点分为两个预先标记的类别。我也理解它会通过找到类别之间的最大差距并通过它画出分隔边界来寻求实现。我想知道的是它是如何做出决定的。我不是在寻找代码,而是在进行计算和逻辑的解释。我知道它与正交性有关,但是具体步骤非常“模糊”
这是一段很好地介绍一种开创性算法的视频。对我来说,最大的启示是:(1)优化关键指标的平方,为我们提供始终为正的值,以便最小化平方(仍易于区分)为我们提供了最优值;(2)使用简单但不太明显的“内核技巧”使向量分类易于计算。
仔细观察不需要的项如何消失,剩下N + 1个向量以N个维度定义间隙空间。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句