关于如何选择好的决策边界
?
我们可以看到,上述的决策边界并不是很好,虽然都可以完整的划分数据集,但是明显不够好。
?
此处的beta垂直于w。
?...根据前后对比,我们可以明显看出,C很大时,对于构造一个大的margin只有一个相当小的权重,即力图达到更高的分类正确率,但是,这时候的决策边界效果不具有更好的泛化效果。
附注:绘制新的支持向量
?...,'ko','MarkerSize',10)
plot(x_plot,y_plot)
legend({'pos','neg','support vectors','support vectors','Decison...))*x_plot-b/(beta(2))
plot(x_plot,y_plot1)
legend({'pos','neg','support vectors','support vectors','Decison...boundry C=1','Decison boundry C=100'})
SVM2_text_classification
clc,clear;
train50='email_train-50.txt