1、Support Vector Machines f xy+1-1f(x,w,b)=sign(w.x-b)How would you classify this data?线性分性分类器器f xy+1-1f(x,w,b)=sign(w.x-b)How would you classify this data?线性分性分类器器线性分性分类器器f xy+1-1f(x,w,b)=sign(w.x-b)How would you classify this data?线性分性分类器器f xy+1-1f(x,w,b)=sign(w.x-b)How would you classify this data?
2、线性分性分类器器f xy+1-1f(x,w,b)=sign(w.x-b)Any of these would be fine.but which is best?线性分性分类器器f xy+1-1f(x,w,b)=sign(w.x-b)线性分类器的间隔(margin):到超平面最近的样本与此超平面之间的距离。最大最大间隔隔f xy+1-1f(x,w,b)=sign(w.x-b)具有最大间隔的线性分类器叫做最大间隔线性分类器。其就是一种最简单的支持向量机(SVM)(称为线性支持向量机,即LSVM)线性支持向量机f xy+1-1f(x,w,b)=sign(w.x-b)支持向量(Support Vec
3、tors):是那些距离超平面最近的点。具有最大间隔的线性分类器叫做最大间隔线性分类器。其就是一种最简单的支持向量机(SVM)(称为线性支持向量机,即LSVM)线性支持向量机最大最大间隔隔Why 最大间隔?+1-1f(x,w,b)=sign(w.x-b)支持向量(Support Vectors):是那些距离超平面最近的点。具有最大间隔的线性分类器叫做最大间隔线性分类器。其就是一种最简单的支持向量机(SVM)(称为线性支持向量机,即LSVM)线性支持向量机1.直观上感觉很好.2.学习得到的线性分类器.其对未知样本的预测能力与分类器间隔有如下关系:具体化分具体化分类超平面及其超平面及其间隔隔如何在数
4、学上表示?在m位空间中?Plus-PlaneMinus-PlaneClassifier Boundaryzone“Predict Class=+1”“Predict Class=-1”zonePlus-plane =x:w.x+b=+1 Minus-plane=x:w.x+b=-1 Classify as.+1ifw.x+b=1-1ifw.x+b=-1不可分情况if-1 w.x+b w.x-+b+l w.w=1=-1+l w.w=1=x-x+计算算间隔隔现在我们知道:w.x+b=+1 w.x-+b=-1 x+=x-+l w|x+-x-|=M Zone“Predict Class=+1”“Pre
5、dict Class=-1”zonewx+b=1wx+b=0wx+b=-1M=Margin Width=M=|x+-x-|=|l w|=x-x+计算算间隔隔学习最大间隔分类器我们现在需要找到一种算法,来求出w 与 b,并且 能匹配上所有的样本点.怎么做?梯度下降?退火算法?矩阵求逆?牛顿法?Zone“Predict Class=+1”“Predict Class=-1”zonewx+b=1wx+b=0wx+b=-1M=Margin Width=x-x+利用二次优化求解Minimizesubject toyk(w.xk+b)=1 k=1,2,n What You Should Know线性 SVMs最大间隔分类器QP 的作用(但是,这里,你不必知道如何求解它)最大间隔问题可以转化为一个二次优化(QP)问题