支持向量机(非线性模型)——改写优化目标函数和限制条件
SVM 处理非线性
- 最小化:
\displaystyle \dfrac{1}{2}||W||^2 + C\sum_{i=1}^{N}\xi_i\\ 其中 \xi 为松弛变量 ( Slack Variable )
- 限制条件:
(1)y_i[W^TX_i + b]\geq 1- \xi_i\\
(2)\xi_i \geq0
\xi_i的作用:
使限制条件 (1) 在非线性条件下成立
目标函数中C 的作用:
1.如果\xi_i特别大,无论y_i和 X_i如何取,条件 ( 1 ) 都成立,所以整个优化问题将变得非常发散。所以,我们在目标函数\xi_i前面添加一个系数C,用来限制\xi_i的大小。
2.最小化||W||, 从而使间隔最大化。
正则项 ( Regulation Term )
\displaystyle C\sum_{i=1}^{N}\xi_i 为正则项
正则项作用:使整个目标函数变得更规范化,即原来在非线性条件下无解问题转化成有解问题。 或者在其他条件下可能有解,但解不是我们想要的,我们此时也需要加一个正则项,将解变成我们想要的。
其中C是我们事先设定的参数。
本作品采用《CC 协议》,转载必须注明作者和本文链接
推荐文章: