知识卡片
支持向量决定分类边界
最宽隔离带的位置只由压在边界上的少数样本决定。示意图中的 30 个观测里,仅第 4、8、30 三个点起作用,它们被称为支持向量(support vector)。换言之,把带外的点任意移动甚至删除,解都不变;而挪动支持向量,超平面就会改变。这带来两个后果:模型可以只存支持向量来做预测,计算量取决于支持向量个数而不是样本总数;模型对远离边界的异常点不敏感,因为那些点根本不进入约束。对偶解中只有支持向量对应的 α_i 非零,见 [[对偶求解与三类支持向量]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第7章 支持向量机 · 查看原书依据
在图7—1的右图中,我们所要求的最宽的隔离带实际上并不是由所有样本点决定的,而仅仅是由训练集中的三个点,即第4,8,30个观测点确定的,这三个点(当然也是向量)就称为支持向量(support vector),它们刚好在隔离带的边界(margin)上。
参考来源
- 位置:《大数据挖掘与统计机器学习》第7章 支持向量机(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter9_0001.xhtml,7.1 线性可分支持向量机)
- 结论依据:原文明确指出最宽隔离带仅由第 4、8、30 个观测确定,并给出支持向量恰在边界上的定义。
- 原始内容:在图7—1的右图中,我们所要求的最宽的隔离带实际上并不是由所有样本点决定的,而仅仅是由训练集中的三个点,即第4,8,30个观测点确定的,这三个点(当然也是向量)就称为支持向量(support vector),它们刚好在隔离带的边界(margin)上。