← 返回刚才阅读的位置

知识卡片

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

支持向量与最优超平面

理解等级:初级

为了精确描述“正中间”,书中引入支持向量(Support Vector)来表示间隔:在每个类别的分界面处总能找到一些样本点,以这些点的中垂线去划分,可使该类中的点都离分界面足够远,这条中垂线所在的面就是最理想的分割超平面,支持向量机就是找这个超平面的方法。要点在于超平面只由少数最靠近边界的关键样本决定,远离边界的点如何移动都不改变结果。用途是把抽象的“中间”转化为由具体样本定义的几何对象。边界是它需要两类线性可分,且真正起作用的只是少数支持向量。反例是轻微移动一个非支持向量,最优超平面纹丝不动。可迁移的启发是:许多决策系统的边界由极少数临界案例决定,识别并聚焦这些关键点,比平均用力更有效。

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 8.1.2 支持向量来帮忙 · 查看原书依据

      为了描述这个“正中间”,我们引入“支持向量”(Support Vector)的概念来表示这个间隔。在两个类别的分界面处总是可以找到各自的一些样本点,以这些样本点的中垂线划分,可以使类别中的点都离分界面足够远,这个分隔线所在的划分面就是最理想的分割超平面

    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:原文引入支持向量来表示间隔,并指出以这些样本点的中垂线划分可得到最理想的分割超平面,支撑了“超平面由少数关键样本决定”的结论。 - 原始内容:为了描述这个“正中间”,我们引入“支持向量”(Support Vector)的概念来表示这个间隔。在两个类别的分界面处总是可以找到各自的一些样本点,以这些样本点的中垂线划分,可以使类别中的点都离分界面足够远,这个分隔线所在的划分面就是最理想的分割超平面