【人工智能】— Support Vector Machines 支持向量机

news/2025/2/16 2:24:27/

【人工智能】— Support Vector Machines 支持向量机

  • 支持向量机概述
  • 支持向量机
  • 支持向量机原理介绍
  • 分类间距(Classification Margin)

支持向量机概述

在这里插入图片描述

找到使间隔最大化的超平面=>B1比B2更好
在这里插入图片描述

在这里插入图片描述

支持向量机

  • 研究起因:如何找到最优的切分面
    • 分类间隔(Classification Margin)
      在这里插入图片描述
      在这里插入图片描述
  • 直观上最有效
  • 概率的角度,就是使得置信度最小的点置信度最大
  • 即使我们在选边界的时候犯了小错误,使得边界有偏移,仍然有很大概率保证可以正
    确分类绝大多数样本
  • 很容易实现交叉验证,因为边界只与极少数的样本点有关
  • 有一定的理论支撑(如VC维)
  • 实验结果验证了其有效性
    在这里插入图片描述在这里插入图片描述

支持向量机原理介绍

分类间距(Classification Margin)

  • 线性分类几何
  • 判别函数
    • 在这里插入图片描述
  • 重要性质:如果我们缩放,距离不会改变在这里插入图片描述
    在这里插入图片描述

2023/6/4/20:40:22


http://www.ppmy.cn/news/213417.html

相关文章

transformer注意力机制的理解(Q,K,V,dk)

Attention公式: 上面这个注意力公式可以理解为是算 V 的加权后的表示 权重就是V前面的所有部分, 其中 softmax 可以使得权重概率分布和为1。 其中 算的就是注意力的原始分数(其实也就是相似度分数,通过Q和K的点积求出&#x…

注意力机制详解

一文读懂注意力机制 - 知乎一、注意力机制是什么假设有一天热爱绘画的你决定去户外写生,你来到一片山坡上,极目远去,心旷神怡。头顶一片蔚蓝,脚踩一席草绿,远处山川连绵,眼前花草送香,暖阳含羞云…

10.3注意力的评价函数

1. 注意力的构造函数 1.1 <key, value> , query key :代表从原始输入x 中&#xff0c; 从事物自身本来所固有的某一个属性&#xff08;或多个属性上&#xff09;上提取出来的特征&#xff0c; 这些特征可以抽象的表示原始输入&#xff1b; value: 从原始输入中&#x…

注意力机制QKV的作用 简单易懂

关于注意力机制&#xff0c;一直都了解的比较浅显&#xff0c;只知道怎么去计算&#xff0c;但是具体算出来的怎么就体现了词跟词之间的关系一点都不清楚。 后来在b站上看到一个讲解transformer的视频&#xff0c;里边给了一个特别简单易懂的解释&#xff0c;就把它粘过来分享一…

【C++/嵌入式笔试面试八股】一、38.面向对象 | C++11新标准 | 异常处理

面向对象 135.面向对象和面向过程有什么区别? 面向对象编程强调的是数据和方法的封装,即将数据和相关的操作封装在一起,形成一个对象。面向对象编程的核心是类(Class)和对象(Object)的概念,通过类定义对象的属性和方法,然后通过实例化对象来进行操作。面向对象编程可…

Go Web下GORM框架使用(二)

〇、前言 本文将会写一个前后端分离的的小项目&#xff0c;本文将会只实现后端。 一、定义全局变量与模型 本文需要一个数据库&#xff0c;因此将这个数据库定义为全局变量将会非常轻松。 var (DB *gorm.DB )type Todo struct {ID int json:"id"Title s…

以太网交换机的生成树协议STP

以太网交换机的生成树协议STP 笔记来源&#xff1a; 湖科大教书匠&#xff1a;以太网交换机的生成树协议STP 声明&#xff1a;该学习笔记来自湖科大教书匠&#xff0c;笔记仅做学习参考 如下图所示以太网中出现链路故障导致部分主机间无法进行通信 如何提高以太网的可靠性&am…

线程引入的开销

单线程程序既不存在线程调度&#xff0c;也不存在同步开销&#xff0c;而且不需要使用锁来保证数据结构的一致性。在多个线程的调度和协调过程中都需要一定的性能开销&#xff1a;对于为了提升性能而引入的线程来说&#xff0c;并行带来的性能提升必须超过并发导致的开销。 上下…