知识卡片
支持向量机与间隔
线性支持向量机寻找分类超平面,并通过间隔与违反间隔的代价进行权衡。线性可分时可直观理解为最大化到最近样本的间隔;软间隔允许违反。常见 C 参数越大,对违反间隔的惩罚越强,并不保证每个数据集的实际间隔大小单调变化。
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
- 分类器 · 查看原书依据
从实线到经过支持向量的虚线的距离被称为边缘距离
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第13章《分类器》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0020_split_004.html`)
- 结论依据:原文解释间隔、核技巧及树的节点划分;卡片明确 C、核选择和加权不纯度的边界。
- 原始内容:从实线到经过支持向量的虚线的距离被称为边缘距离(margin)。所以我们可以将SVM的定义重新理解成,它能找到有最大边缘距离的直线。 如果数据噪声较大,且有重叠在一起的部分,像图13.12那样呢?现在我们不能画出一条被空