作业:为什么线性可分数据集中SVM的模型,结果会至少有2个以上的支持向量?
支持向量机的分类方法,是在这组分布中找出一个超平面作为决策边界,是模型在数据上的分类误差尽量接近于小,尤其是在未知集上的分类误差尽量小,决策边界一侧的所有点分类为属于一个类,而另一侧的所有点分类属于另一个类。对于线性可分数据集,如果把数据当作我们的训练集,只要直线的一边只有一种类型的数据,就没有分类错误,我们的训练误差就为0。而对于一个数据集来说,让训练误差为0的决策边界可以有无数条。
楼主: 日出东方522
|
456
0
[学习笔记] 【学习笔记】作业:为什么线性可分数据集中SVM的模型,结果会至少有2个以上的 ... |
京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明 免责及隐私声明