支持向量机中的b/ ||w||是什么？
在支持向量机（Support Vector Machine，SVM）中，b是偏置项（bias），||w||是权重向量w的范数（norm）。SVM是一种监督学习算法，用于二分类和回归分析。它的目标是找到一个超平面，将不同类别的样本分隔开来，并且使得间隔最大化。
具体来说，SVM通过最大化间隔来寻找最优超平面。间隔是指从超平面到最近的训练样本的距离，而最大化间隔可以提高分类器的鲁棒性和泛化能力。在数学上，最大化间隔等价于最小化权重向量w的范数，即||w||。同时，为了考虑样本的偏移情况，引入了偏置项b，用于调整超平面的位置。
在SVM中，决策函数可以表示为f(x) = sign(w·x + b)，其中x是输入样本，w是权重向量，b是偏置项。当f(x)大于0时，样本被分类为正类；当f(x)小于0时，样本被分类为负类。而当f(x)等于0时，样本位于超平面上，被称为支持向量。
SVM的优势在于：
- 在高维空间中有效地进行分类和回归分析。
- 可以处理非线性问题，通过使用核函数将样本映射到高维特征空间。
- 具有较好的泛化能力，对于小样本数据集也能取得较好的效果。
- 对于异常值的鲁棒性较强。
SVM的应用场景包括但不限于：
- 文本分类和情感分析。
- 图像分类和目标识别。
- 生物信息学中的蛋白质分类和基因表达分析。
- 金融领域中的股票预测和信用评估。
- 医学领域中的疾病诊断和药物设计。
腾讯云提供了一系列与SVM相关的产品和服务，例如：
- 机器学习平台（https://cloud.tencent.com/product/tiia）：提供了强大的机器学习算法和模型训练平台，可用于支持向量机的实现和应用。
- 人工智能计算服务（https://cloud.tencent.com/product/tensorflow）：提供了高性能的人工智能计算资源，可用于加速SVM的训练和推理过程。
- 数据库服务（https://cloud.tencent.com/product/cdb）：提供了可靠的数据库存储和管理服务，可用于存储和处理SVM的训练数据和模型参数。
请注意，以上仅为示例，腾讯云还提供了更多与SVM相关的产品和服务，具体可根据实际需求进行选择和使用。
相关·内容
2回答
在阅读奥雷利恩·杰伦的书时，我注意到逻辑回归和支持向量机都是以完全相同的方式预测类的，所以我怀疑一定有我遗漏的东西。在Logistic回归一章中，我们可以看到：
σ(t) < 0.5时t < 0，σ(t) ≥ 0.5时t ≥ 0，因此Logistic回归模型预测1是否为阳性，0是否为阴性。
同样，在支持向量机一章中：
线性支持向量机分类器模型通过简单计算决策函数w^T · x + b = w_1 x_1 + ⋯ + w_n x_n + b来预测新实例x的类别:如果结果为正，则预测类ŷ为正类(1)，否则为负类(0)。
我知道，其中一种不同之处在于它们所使用的损失函数:在logist
浏览 0提问于2018-11-24得票数 1
回答已采纳
支持向量机(SVM)：经常提到的是\textbf{w}^T\textbf{x}_i - b >= 1，对于第1类的\textbf{x}_i (即y=1)和\textbf{w}^T\textbf{x}_i - b <= -1，对于第1类的\textbf{x}_i (即y=-1)，从维基百科页面读到它与数据集的规范化有关，所以，我想所有的\textbf{x}_i向量都是归一化的(除以)它们的范数，即，它们都有范数1和投影，也就是说，做标量积\textbf{w}^T\textbf{x}_i会给出小于1或1的值，如果\textbf{w}也是归一化的话(这可能不是一般的，所以这一切都不那么清
浏览 0提问于2021-07-13得票数 0
回答已采纳
2回答
我正在研究利用支持向量机进行图像分类，一般定义为.
📷
N=培训实例数
W=是权重
f(x，W) =点积
λ被解释为通过交叉验证来设置，但是没有提到如何设置Δ。
我知道支持向量机损失函数希望正确类的分数至少通过Δ大于不正确的类的分数，但它们不能解释Δ是如何导出的。
在大多数示例中，定义为Δ= 1.0，而没有提到如何计算1.0。这个值是通过试错(交叉验证)确定的吗？一个人如何决定价值应该是什么？
浏览 0提问于2019-03-08得票数 3
回答已采纳
1回答
我的目标是使用多类线性支持向量机(带外核)对图像进行分类。我想写我自己的SVM分类器
我正在使用MATLAB，并已使用图像集训练线性支持向量机。
我有大约20个类，5个图像在每类(总共100张图片)，我正在使用一个-对-所有的策略。
每个图像是(112,92)矩阵。这意味着112*92=10304值。
我用quadprog(H,f,A,C)来求解支持向量机中的二次方程(y=w'x+b)。一个对quadprog的调用返回一个图像大小为10304的w向量。这意味着我要给quadprog打100次电话。
问题是一个quadprog调用，需要35秒才能执行。这意味着，对于100张图像，它将需要
浏览 2提问于2015-10-30得票数 0
回答已采纳
1回答
有人能给出一个支持向量机的例子吗？特别是如何从训练集中获取w和b？
我试着在网上搜索，但它只给了我大量的抽象数学。
因为我不擅长，所以有人能给我一个例子来说明支持向量机的细节吗？
非常感谢。
浏览 1提问于2012-01-02得票数 1
1回答
我一直在尝试理解支持向量机算法，但无法完全得到超平面方程。方程是- w.x-b=0.我所理解的(有很多混淆)是- x是构成超平面的所有向量的未知集合，w是该超平面的法向量。我们不知道w，我们需要从训练集中找到最优的w。
现在，我们都知道，如果两个向量是互相垂直的，那么它们的点积是零。所以，如果w.x=0，w对x是正常的，那就意味着它应该是，但是为什么它说w.x-b=0或w.x=b?(normal和垂直是一回事，对吗？)在正常意义上，我所理解的如果w.x=b，那么w和x不是垂直的，它们之间的角度是大于或小于90度。
另一件事是，在大多数教程(甚至麻省理工学院的教授)中，有人说，x是在w上投影的，
浏览 1提问于2016-06-21得票数 0
1回答
我最近读到了关于支持向量机及其工作原理的文章，我偶然发现了一篇文章，并偶然发现了最大的距离。
有人能告诉我我们在这里要尽量减少什么吗？我无法理解我贴在下面的这个部分。在下面给出的公式中，w和m是什么？
最大化边际
为了简单起见，我们将跳过计算边距的公式，即m。
m = \frac{2}{\|\vec{w}\|}
这个公式中唯一的变量是w，它与m是间接成正比的，因此，为了使边距最大化，我们将不得不最小化_。这将导致以下优化问题：
\min_{(\vec{w}, b)} \frac{\|\vec{w}\|^2}{2}
受制于y_i(\vec{w}\cdot\vec{x}+b) \ge 1,
浏览 0提问于2018-12-26得票数 1
回答已采纳
我正在浏览维基百科关于支持向量机的文章，并发现了以下公式：
上面写着：
通过规范化或标准化的数据集，我们所需的超平面wx+b=0的平行超平面可以用方程wx+b=1和wx+b=-1来描述。
这里的标准化和标准化数据是什么意思？如果数据不标准化，应该使用什么公式？
浏览 0提问于2019-06-10得票数 0
2回答
我正试图掌握硬利润支持向量机。在我的讲座中，教授谈到了一个分类方程，当一个正样本输入时，返回一个1值或更多；当一个负样本被输入时，返回一个-1或更少的值。下面的图显示了垂直于分离超平面的向量\overrightarrow{w}和具有未知类\overrightarrow{u}的任意点。
📷
讲座上说：
\overrightarrow{w} \cdot \overrightarrow{u_+} + b \geq 1 \textrm{ , for positive class samples}
\overrightarrow{w} \cdot \overrightarrow{u_-} + b
浏览 0提问于2019-07-23得票数 2
在学习支持向量机分类时，我遇到了正则化参数\lambda：
F(w,b) = \left\lVert w\right\lVert_2^2 +\lambda \sum_{i=1}^n max(0,1-y_i(w^Tx_i +b)).
所以据我所知，支持向量机的主要目的是找到分离两个类的超平面\{w^Tx+b=0\}。\lambda如何影响超平面参数w和b？我试着设计2D的案子，但还是搞不懂。在这种情况下，有人能给出解释吗？谢谢。
📷
浏览 0提问于2018-11-19得票数 3
1回答
在支持向量机方程中，我遇到了一个模糊的问题。正如克里斯·毕晓普的机器学习书中所述，支持向量机的优化目标是最大限度地发挥这一功能：
C\sum\limits_{n = 1}^N {{\xi _n}} + {1 \over 2}{\left\| w \right\|^2}
在此限制下(*)：
{\xi _n} \ge 0
{t_n}y({x_n}) \ge 1 - {\xi _n}
其中：
y({x_n}) = {w^T}{x_n} + b
所以这个问题对应的拉格朗日函数是：
L(w,b,a) = C\sum\limits_{n = 1}^N {{\xi _n}} + {1
浏览 0提问于2019-03-31得票数 2
回答已采纳
1回答
支持向量机误差
、、
支持向量机分类误差、支持向量机裕度误差和支持向量机总误差有什么区别？他们有什么明确的定义吗？支持向量机中的C参数是什么？我完全糊涂了！
浏览 0提问于2019-02-18得票数 2
2回答
在支持向量机中，归一化W向量存在一些错误，例如：
for each i W_i = W_i / norm(W)
我搞糊涂了。乍一看，结果sign(<W, x>)似乎是一样的。但如果是这样，在损失函数norm(W)^2 + C*Sum(hinge_loss)中，我们可以通过do W = W / (large number)最小化W。
那么，我哪里错了？
浏览 1提问于2016-02-14得票数 1
2回答
📷
据我所知，如果转置(W)xi+ b>=0，y=-1，则支持向量机的假设函数是预测b>=0。但是，根据上述损失函数，若标号为>=1，则转置(W)xi+b必须大于或等于1( y=1 )，如果标号为-1 (<= -1 )，则小于-1(<=-1)为零惩罚。所以我很困惑here...So，这是否意味着如果转置(W)xi+b =0.6>=0 (从而产生h(x)=1)，并且确实标出y=1，但是根据损失函数，仍然会有惩罚(因为max(0，1-0.6) =0.4)？为什么？模型没有正确分类吗？
有人能帮我澄清一下吗？非常感谢!
浏览 0提问于2019-08-22得票数 0
2回答
Libsvm中的决策值
、、、
我对支持向量机很陌生。我为Matlab使用了Libsvm，在一个预测阶段之后，我得到了一个决策值数组。从支持向量机理论出发:每个测试记录z被赋值为正
f(z)=1
其中f(z)定义为
F(Z)=符号(w*z+b)
那么，如何将实例z的数组中的决策值与f(z)关联起来呢？预测是基于决策值的吗?如果是dec_value>0，那么z是正的，否则z是负的？
浏览 6提问于2012-06-14得票数 1
回答已采纳
1回答
训练SVM意味着什么？
、、、、
我是新的图像processing.As我的项目我正在做的“图像分类器使用支持向量机”.I有我的最终软件的想法“我选择一些图像并给它作为我的软件的输入，它将对图像.if进行分类，我给出动物的图像，它将它适当地分类为猫或蛇。”
当我在谷歌上搜索it.it时说“首先你需要训练支持向量机”
培训支持向量机意味着什么？
在我的例子中，支持向量机的实际输入是什么？(图像分类)？
支持向量机只是一种分类器，它如何对images.Is进行分类，需要我将图像隐藏到任何特定的format?.please帮助中。
浏览 6提问于2016-02-07得票数 0
回答已采纳
我检查了tensorflow API，如果没有，var_list默认为所有可保存对象的列表。我想知道所有可保存的对象是什么意思？tf.global_variables？W= tf.get_variable("W"，shape=784,256，initializer=tf.contrib.layers.xavier_initializer()) b= tf.get_variable("b"，shape=784,256，initializer=tf.contrib.layers.xavier_initializer()) m=tf.global_variables(
浏览 3提问于2018-11-07得票数 0
1回答
我有一个关于支持向量机的问题，你们中的一些人可能会在…方面帮助我
我知道按照惯例，y( Xi )将是-1或1，这取决于Xi属于哪一类。
但我不完全理解为什么要确定超平面方程应该是：
w·xi +b >= 1或w·xi +b <= -1
"1“和"-1”是从哪里来的？
应该是，对于任何一点，取决于它的分类，超平面方程会是这样的吗？
w·xi +b >= yi *缘/2(易= -1或1)
在…的任何地方都没有1或-1
提前感谢
浏览 0提问于2018-10-20得票数 3
回答已采纳
1回答
我试图理解核函数，特别是高斯/径向基函数K(a,b) = exp(-gamma||a-b||**2)。
据我所知，这是用欧几里得距离部分计算向量a和b的相似度。不过，我的问题并不是关于这个内核的细节。
我不明白的是:在支持向量机中使用这个内核时，向量a和b是什么？
浏览 0提问于2018-05-10得票数 0
回答已采纳
1回答
权值支持向量机
、、、
我有一个分类任务，我使用应用程序。
问题是训练了模型，我想知道是否有可能获得特征的权重。
有一个输出阿尔法的-a参数，老实说，我不记得支持向量机中的alphas，我认为权重总是w。
浏览 1提问于2014-03-11得票数 0
回答已采纳
我正在与libsvm在MATLAB和训练和测试一个1-VS所有的支持向量机与一个预先计算的非线性核。我对SVMs有点陌生，我正在尝试计算决策函数。我知道，对于线性支持向量机，我们可以通过(根据libsvm文档)获得w：
w = model.sv_coef'*model.SVs;
然后，我们可以根据以下内容计算决策值：
w'*x
然后，将标记编码预测到sign(w'*x+b)，其中b是某个阈值。
我特别感兴趣的是从我的非线性核获得分类分数。我该怎么做？
浏览 4提问于2014-02-17得票数 3
回答已采纳
2回答
我试图了解线性分类支持向量机是如何工作的(如用于的支持向量机)。我觉得我错过了一个重要的部分，恐怕我找不到一个清晰的描述来更好地理解它。我知道有现成的实现，到最后我可能会使用其中的一个，但我想了解我在做什么。
据我所知，支持向量机使用许多特征向量和正确的分类进行训练。经过训练后，支持向量机被完全定义为一组超平面(维数是特征向量的长度)，通常是很小的数目。我希望(天真地？)我训练的支持向量机是这样的：
ax >=b: 0
ax < b: 1
其中x是特征向量，ax = b是超平面。在这里我遇到了问题，因为：
我不明白在中，他们怎么会得到一个经过训练的支持向量机，这个值是1.7GB
浏览 9提问于2015-06-21得票数 0
回答已采纳
1回答
我使用LibLinear运行了一个多类支持向量机，但该模型对每个类的某些典型特征赋予了很高的权重。
对于Ex:对于第1类，一个特殊的变量，对于第1类和非零，在我的超平面方程中有一个非常重要的权重。
在计算特定类的超平面时，我想忽略这些特定的特性。一种方法是为这些特性分配零权重。如何更改此代码？
代表：
For Class 1, I assign W=0 for Feature_1
For Class 2, I assign W=0 for Feature_2
For Class 3, I assign W=0 for Feature_3
等等..。
浏览 3提问于2014-03-27得票数 1
回答已采纳
我有一个关于SVM MATLAB工具箱2009 b的问题！问题是：
如何在MATLAB工具箱2009 b中训练支持向量机分类器对多类数据集进行分类？
我只想使用MATLAB工具箱，所以如果有方法实现它，请回答它。例如，下面的代码用于分类两类数据集：
svmtrain( training data, ...
labels of training data, ...
'Kernel_Function', ...
'rbf',
浏览 2提问于2012-01-29得票数 1
针对一个分类问题，利用R中的SVM软件包建立了SVM模型。我的准确率只有87%。但随机森林的产量约为92.4%。
fit.svm<-svm(modelformula, data=training, gamma = 0.01, cost = 1,cross=5)
想要用升压来调整这个支持向量机模型。有人能帮我调一下这个支持向量机模型吗？
我能为支持向量机方法提供的最佳参数是什么？
支持向量机模型的引导示例。
浏览 1提问于2015-03-10得票数 0
1回答
R用于计算单类支持向量机的算法是什么？这是函数
e1071::svm(..., type=one-classification, ...)
我发现了非常好的博客，作者写了两种算法的单类支持向量机。上面提到的函数使用哪一种？
浏览 4提问于2019-10-12得票数 1
回答已采纳
3回答
我有一个使用KNN算法的classify.By数据集，我得到了90%的准确率，但通过使用支持向量机，我只能获得超过70%的准确率。支持向量机不比KNN好吗？我知道这可能是愚蠢的问题，但是，支持向量机的参数是什么，它将给出近乎KNN算法的近似结果。我在matlab R2008上使用libsvm包。
浏览 1提问于2013-10-17得票数 7
回答已采纳
1回答
我的工作是支持向量机和S3VM
为了理解支持向量机和S3VM，我想问几件事。
1)在支持向量机中，我们试图最大化支持向量的宽度。在S3VM中，我们是否也尝试最大化支持向量的宽度？基本概念是什么？
2)什么是S3VM中的hat loss，为什么我们在S3VM学习中使用hat loss？
浏览 5提问于2015-05-03得票数 1
我正在学习SVM (支持向量机)：有几点仍然不明确：(线性可分，原始情况)
我知道如何找到重量w和超平面方程，但如果我们可以从它推导出支持向量，为什么我们要计算保证金？我需要先计算什么？在哪种情况下？(对于这些混合的问题，我很抱歉，但我真的搞不懂)
我在一些例子中看到，保证金是这样计算的：
1 / ||w||
而在其他情况下，则是这样的：
2 / ||w||
那么这两种情况有什么不同呢？
谢谢
浏览 0提问于2017-11-24得票数 0
1回答
训练: w，b= vl_svmtrain(feature_matrix.FeatureVector，label_vector.labelsMatrix，0.1)；
分类：
[~,~,~, scores] = vl\_svmtrain(feature\_matrix.FeatureVector\_temp, labels, 0, 'model', w.w, 'bias', b.b, 'solver', 'none') ;
我在训练时给出了标签-1和1。当我使用该模型进行分类时，它返回的分数既小于-1又大于1。如何将这些分数用于二进
浏览 5提问于2014-12-16得票数 0
我有4个标记的组，我想使用支持向量机进行分类。
Class-A, Class-B, Class-C, Class-D
现在，如果我需要训练我的分类器来识别，我将把A，B，C，D中的所有文本复制到一个文件"A-against-all“中。B、C和D as的SImilarly
"B-against-all" CLass B :1 , Rest all :-1
"C-against-all" CLass C :1 , Rest all :-1
"D-against-all" CLass D :1 , Rest all :-1
现在，如果我在&#
浏览 1提问于2014-11-29得票数 3
1回答
SVM的参数选择
、、
我有一个数据集，我用libSVM在Matlab中进行分类。数据集由4个类组成。
对于支持向量机的参数选择，可以进行嵌套交叉验证。问题是，我最终也需要最佳参数的值。
在完成嵌套交叉验证并具有最终的准确性之后，我需要最佳参数的值。然后，我将为每个类别(1-VS-All)训练一个支持向量机( SVM )，其中包含选择最重要特征的最佳参数(根据最高度的权重)，即特征重要性图。
我该怎么做？我不应该做嵌套的交叉验证，只循环所有参数并进行交叉验证吗？
其次，如果我使用线性支持向量机，然后使用这个加权向量w来确定特征的重要性，那么它是否也适用于非线性支持向量机(例如rbf核)？
浏览 2提问于2015-06-18得票数 1
回答已采纳
1回答
我试图生成三维点的二元分类的分离超平面。
以下是我的观点，它们是线性可分的。
Class 0: [[0,0,0], [0,1,1], [1,0,1], [0.5,0.4,0.4]]
Class 1: [[1,3,1], [2,0,2], [1,1,1]]
在sklearn.svm.SVC(kernel='linear')中，产生了以下内容：
w = clf.coeff_ = [ 1. 0.5 0.5]
b = clf.intercept_ = -2.0
sv = clf.support_vectors_ =
array([[ 0., 1., 1.],
浏览 0提问于2018-05-16得票数 0
1回答
在与分解机相关的这论文中，作者比较了因子分解机(FM)和支持向量机( SVM )。由于FM的性能优于SVM，因此它被认为是稀疏数据的最新发展趋势。为什么支持向量机被认为是稀疏数据集的重要算法？支持向量机的哪些特性使其优于稀疏数据？
浏览 0提问于2017-08-10得票数 5
回答已采纳
1回答
我尝试基于支持向量机(SVM)对图像进行分类。但没有得到任何合适的算法来实现。任何基于支持向量机的图像分类的帮助都是可以接受的。即支持向量机在图像分类中的工作原理？java实现中的SVM算法？
浏览 5提问于2013-10-28得票数 1
回答已采纳
2回答
嗨，我很难理解为什么在支持向量机的超平面方程中有一个1后>=?？w.x +b >= 1<==(为什么是1??)我知道这可能是关于y轴上的交点，但我不能把它与支持向量及其分类的意义联系起来。有人能解释一下为什么方程式有1(-1)吗？
谢谢。
浏览 0提问于2014-01-10得票数 1
回答已采纳
我正在做一个二进制分类任务，在学习中使用线性支持向量机。我使用名词性特征和字向量。我使用预先训练过的Google word2vec获得了单词向量，但是我不知道支持向量机如何处理作为一个特征的单词向量。
似乎我需要将每个向量“拆分”成300个不同的特征(=300个向量维数)，因为我不能将向量作为一个整体传递给SVM。但这似乎是不对的，因为向量应该被视为一个特征。
在这种情况下，表示向量的正确方法是什么？
浏览 1提问于2019-02-23得票数 3
回答已采纳
假设给我们一个训练数据集{yᵢ, xᵢ}，用于i = 1, ..., n，其中yᵢ可以是-1，也可以是1，xᵢ可以是2D或3D点。
通常，当输入点是线性可分的时，支持向量机模型可以定义如下
min 1/2*||w||²
w,b
受约束(对于i = 1, ..., n)
yᵢ*(w*xᵢ - b) >= 1
这通常被称为，因此它是，其中未知数是w和b。我们也可以忽略函数中的1/2，因为它只是一个常量。
现在，介绍了Matlab的quadprog状态
x = quadprog(H, f, A, b)使受A*x ≤ b限制的1/2*x'*H*x + f'*x最小化。A是二重矩
浏览 10提问于2013-03-20得票数 7
回答已采纳
1回答
我有一个从零开始实现SVM的代码片段(二进制classefier) --这些代码不能在minist上工作，因为输出预测为0或1
class SVM:
def __init__(self, learning_rate=1e-3, lambda_param=1e-2, n_iters=1000):
self.lr = learning_rate
self.lambda_param = lambda_param
self.n_iters = n_iters
self.w = None
self.b = None
浏览 11提问于2022-11-01得票数 1
1回答
SVM算法是如何找到最优超平面的？正边超平面方程为w.x-b=1，，负边界超平面方程为w.x-b=-1，，中间(最优)超平面方程为w.x-b=0).。我理解如何通过使用平面的法向量和的已知向量点(不是整个向量)来得到超平面方程。假设已知的向量点是x1，对于某些x，整个向量将是x。如果w.(x-x1)=0；w是平面的法向量，那么w.x=b最终得到了形式w.x=b。
现在，要得到一个超平面，我们需要一个法向量和一个已知点。该算法是如何在没有数据点(我认为是方程中需要的已知向量点)的情况下从训练数据中创建一个超平面的？
也许我误解了什么，或者我的逻辑不正确。
浏览 4提问于2016-06-23得票数 0
文献中说，特征值根据其重数而重复，并且没有排序。当我打印w时，它给出了5,3,5,1，为什么特征值按这个顺序出现。特征向量的存储顺序是什么？它和特征值是一样的吗？
B = np.array([[5,-2,6,-1],[0,3,-8,0],[0,0,5,4],[0,0,0,1]])
print(B)
print(B.shape)
w, v= np.linalg.eig(B)
print("eigenvalues are: ", w)
浏览 0提问于2018-08-08得票数 2
1回答
我想在vlfeat中使用chi2内核而不是线性内核。
是使用chi2的一个例子。
“.%创建具有内核映射参数的结构
hom.kernel = 'KChi2';
hom.order = 2;
%创建数据集结构
数据集= vl_svmdataset(X，'homkermap'，hom);
使用dataset结构学习具有在线内核映射扩展的支持向量机
w = vl_svmtrain(dataset，y，lambda，'MaxNumIterations'，maxIter).
这里到底发生了什么？hom.order是做什么的？
vl_svmdataset是做
浏览 4提问于2015-10-09得票数 0
1回答
我使用svmlib对二维不可分离数据进行线性分类。我能够训练svm并使用svmlib获得w和b。使用此信息，我可以绘制决策边界以及支持向量，但我不确定如何使用svmlib提供的信息绘制边距。
下面是我的代码：
model = svmtrain(Y,X, '-s 0 -t 0 -c 100');
w = model.SVs' * model.sv_coef;
b = -model.rho;
if (model.Label(1) == -1)
w = -w; b = -b;
end
y_hat = sign(w'*X' + b);
sv = fu
浏览 0提问于2015-02-17得票数 0
回答已采纳
我正在运行一系列的支持向量机分类器来解决一个二进制分类问题，并且在分类精度方面取得了很好的结果。
我的下一个分析步骤是了解不同的特性对分类的贡献。根据文档，Matlab的fitcsvm函数返回一个类SVMModel，它有一个名为"Beta“的字段，定义为：
从原始线性问题训练分类器系数的数值向量。β的长度等于预测器的数量(即大小(SVMModel.X，2))。
我不太清楚如何解释这些价值观。我假设更高的值代表了给定特性对支持向量的更大贡献？负重是什么意思？这些权重在某种程度上类似于线性回归模型中的β参数吗？
谢谢您的帮助和建议。
--更新3/5/15
在仔细观察描述线性支持向量
浏览 6提问于2015-03-05得票数 0
2回答
最大支持向量
、、、
最近，我研究了支持向量机和支持向量机。例如，如果我在一个有n个数据的二维分类问题中选择硬线性支持向量机，那么结果就是k=2支持向量。如果我在以前的数据中添加另一个标记数据并重新训练SVM。SV的最大数量是多少？
我想是N+1但我需要一些证据。有人能帮上忙吗？
浏览 1提问于2014-05-29得票数 0
1回答
我们知道在支持向量机中：
考虑到我们有一个线性特征映射$\phi(X_n)，我们有两个类，类1$ t_+=+1$异或问题和类2 $t_-=-1$和4个点，其中$x_1，x_2$来自class1，$x_3，x_4$来自class2。
因此我们可以这样写：$w=a_1x_1+a_2x_2-a_3x_3-a_4x_4$和$a_1+a_2-a_3-a_4=0$
我们如何证明这4点是不可分的？
浏览 0提问于2014-05-18得票数 0
我有支持向量机的基本知识，但现在我正在处理图像。我在5个文件夹中有图像，例如，每个文件夹都有字母a、b、c、d、e的图像。文件夹'a‘中有'a’的手写字母图像，文件夹'b‘中有'b’的手写字母图像，依此类推。 现在我如何在Python的SVM中使用这些图像作为我的训练数据。
浏览 16提问于2019-03-22得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
