知识卡片

普通读书笔记卡 · 9447 · 生成模型:Tencent Hunyuan Hy

最大间隔的鲁棒性

理解等级:初级

感知机从咖啡豆的豆体、颜色两个特征出发,能找到多条把两类样本分开的划分直线,但初始值与参数不同,直线位置也不同,哪条最好并无定论。作者从新样本的角度给出答案:新点离哪边样本更近就更可能属于哪类,因此应找位于两类训练样本“正中间”的划分直线,因为它对新数据的包容性最好。新数据分布随机,总会比训练点更靠近分界线,许多直线会因此错分,而中间的直线受影响最小,这种稳定性被称为鲁棒性(Robust,健壮)。用途是给出“最好分类器”的可操作定义。边界是只有当两类线性可分时讨论中间直线才有意义;若新数据分布整体偏移,再中间的直线也会失效。可迁移的启发是:当存在多个都满足要求的方案时,优先选对扰动最不敏感的那个,而不是随便挑一个。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 求解支持向量机 8.1.1 区分咖啡豆 · 查看原书依据

      我们应该去找位于两类训练样本数据点“正中间”的划分直线,因为这个划分直线对新数据的包容性最好。新的数据在平面内的分布是随机的,因此总会出现比训练数据点更接近分界线的情况,这就导致许多划分直线出现错误分类,而位于“正中间”的划分直线受影响最小

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第8章《求解支持向量机》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00013.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文以新增咖啡豆为例,说明位于“正中间”的划分直线受影响最小,并把这种对新数据的稳定性定义为鲁棒性,支撑了“最大间隔带来最好泛化”的结论。 - 原始内容:我们应该去找位于两类训练样本数据点“正中间”的划分直线,因为这个划分直线对新数据的包容性最好。新的数据在平面内的分布是随机的,因此总会出现比训练数据点更接近分界线的情况,这就导致许多划分直线出现错误分类,而位于“正中间”的划分直线受影响最小