原书出处
机器学习算法原理与编程实践
05 第5章 梯度寻优
面H = { x∈Rn | pT x=α }分离了集合S1 与S2 ,如图5.2所示。 图5.2 分离两个凸集的超平面
凸集分离定理的意义在于,它为分类提供了理论上的开端。在机器学习的分类问题中,我们可以把带有类别标签的训练集看作不同的凸集,而分隔它们的超平面就是分类器。
我们的目标是根据这些训练集的特性,找到一个分类算法,例如本章中的各类线性分类器,通过学习(或训练)计算出分隔这些凸集的超
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00019.html
EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d