机器学习——支持向量机SVM之软间隔与正则化
2017-10-18 23:45
337 查看
1、在SVM基本型的讨论中,我们一直假定样本在样本空间或特征空间中是线性可分的,即存在一个超平面能将不同类的样本完全划分开
2、然而现实任务中往往很难确定合适的核函数使得训练样本在特征空间中线性可分,即使恰好找到某个核函数使训练集样本在特征空间中线性可分,也很难判断是否是过拟合造成的
3、缓解该问题的一个方法是允许支持向量机在一些样本上出错,为此要引入“软间隔”的概念
a) 软间隔则是允许某些样本不满足约束
b) 故而可在原优化目标中加入损失函数
4、常用损失函数
a) hinge损失:
b) 指数损失:
c) 对率损失:
d) 0/1损失函数:
5、软间隔支持向量机
a) 相对于支持向量机基本型,引入了“松弛变量”
b) 优化目标可重写为
c) 每个样本都有一个对应的松弛变量,用以表征该样本不满足原约束的程度
6、拉格朗日函数
7、拉格朗日函数分别对w,b,求偏导得
8、对偶问题
9、软间隔支持向量机的KKT条件
a) 若
,则该样本不会对f(x)有任何影响;若
,则必有
,该样本为支持向量
b) 若
,则有
,进而有
,即该样本恰在最大间隔边界上;若
,则有
,进而有
,即该样本落在最大间隔内部,若
则被样本被错误分类
c) 软间隔支持向量机的最终模型仅与支持向量相关
10、优化目标的更一般形式:
a) 其中
称为“结构风险”,用于描述模型f的某些性质,同时也是正则化项
b) 第二项
称为“经验风险”,用于描述模型与训练数据的契合程度
c) C系数用于对二者进行折中,称作正则化系数
2、然而现实任务中往往很难确定合适的核函数使得训练样本在特征空间中线性可分,即使恰好找到某个核函数使训练集样本在特征空间中线性可分,也很难判断是否是过拟合造成的
3、缓解该问题的一个方法是允许支持向量机在一些样本上出错,为此要引入“软间隔”的概念
a) 软间隔则是允许某些样本不满足约束
b) 故而可在原优化目标中加入损失函数
4、常用损失函数
a) hinge损失:
b) 指数损失:
c) 对率损失:
d) 0/1损失函数:
5、软间隔支持向量机
a) 相对于支持向量机基本型,引入了“松弛变量”
b) 优化目标可重写为
c) 每个样本都有一个对应的松弛变量,用以表征该样本不满足原约束的程度
6、拉格朗日函数
7、拉格朗日函数分别对w,b,求偏导得
8、对偶问题
9、软间隔支持向量机的KKT条件
a) 若
,则该样本不会对f(x)有任何影响;若
,则必有
,该样本为支持向量
b) 若
,则有
,进而有
,即该样本恰在最大间隔边界上;若
,则有
,进而有
,即该样本落在最大间隔内部,若
则被样本被错误分类
c) 软间隔支持向量机的最终模型仅与支持向量相关
10、优化目标的更一般形式:
a) 其中
称为“结构风险”,用于描述模型f的某些性质,同时也是正则化项
b) 第二项
称为“经验风险”,用于描述模型与训练数据的契合程度
c) C系数用于对二者进行折中,称作正则化系数
相关文章推荐
- 【机器学习】使用Scikit-Learn库实现支持向量机(SVM)最大化分类间隔
- 机器学习----支持向量机(软间隔与正则化)
- 机器学习第十课:支持向量机SVM(一)线性可分(硬间隔)SVM
- 林轩田--机器学习技法--SVM笔记4--软间隔支持向量机(Soft-Margin Support Vector Machine)
- 机器学习笔记八 - SVM(Support Vector Machine,支持向量机)的剩余部分。即核技法、软间隔分类器、对SVM求解的序列最小化算法以及SVM的一些应用
- 机器学习之支持向量机SVM Support Vector Machine (一) 线性SVM模型与软硬间隔
- 机器学习(七、八):SVM(支持向量机)【最优间隔分类、顺序最小优化算法】
- 机器学习(九):CS229ML课程笔记(5)——支持向量机(SVM),最优间隔分类,拉格朗日对偶性,坐标上升法,SMO
- 【机器学习-西瓜书】六、支持向量机(SVM):最大间隔;对偶问题;KKT条件
- 用Python开始机器学习(8:SVM支持向量机)
- 机器学习-python通过序列最小优化算法(SMO)方法编写支持向量机(SVM)
- 机器学习---支持向量机(SVM)算法应用(下)
- 【机器学习】支持向量机SVM - 对SVM与核函数的理解及sklearn参数详解
- PYTHON机器学习实战——SVM支持向量机
- 机器学习——svm支持向量机的原理
- 支持向量机(SVM)线性可分解决实例--参考麦子学院机器学习基础5.1
- 机器学习:支持向量机SVM和人工神经网络ANN的比较
- 机器学习中的算法(2)-支持向量机(SVM)基础
- 机器学习故事汇-搞定支持向量机(SVM)
- 机器学习(支持向量机-SVM)