知识卡片

普通读书笔记卡 · 9636.g · 生成模型:DeepSeek-V4.1-Flash

对偶求解与三类支持向量

理解等级:高级

用拉格朗日乘子 α_i、μ_i 处理约束,对 ω、ω0、ξ_i 求偏导并令其为零,得到 ω=∑α_i y_i x_i、∑α_i y_i=0 以及 0≤α_i≤C。代回后问题只含 α,是一个标准凸二次规划,比原问题容易求解。KKT 条件把样本分成三类:α_i=0 的点在隔离带外,对解没有贡献;0<α_i 的点恰在边界上,就是支持向量;α_i=C 的点落在带内或已被错分。判别函数只需对支持向量求内积;ω0 可由任一 0<α_i 的样本算出,但解不唯一,实际取平均更稳定。SMO 是常用的高效求解算法。

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

    • 第7章 支持向量机 · 查看原书依据

      由式(7.9)第一个和第三个方程可以看出,当不为零时,只能第三个方程等于零。这些样本点称为支持向量,因为超平面的系数仅通过它们的取值表示。

    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_0002.xhtml,7.2 软间隔支持向量机) - 结论依据:原文由一阶条件和 KKT 条件推出 ω 的表达式、α 的取值范围,并区分边界上的支持向量与其余样本,说明 ω0 取平均以增强稳定性。 - 原始内容:由式(7.9)第一个和第三个方程可以看出,当不为零时,只能第三个方程等于零。这些样本点称为支持向量,因为超平面的系数仅通过它们的取值表示。