Обсуждение:SVM для линейно неразделимой выборки (пример)

Материал из MachineLearning.

Перейти к: навигация, поиск

Существенные критические замечания

В данной статье приведен общий подход к описанию алгоритмов SVM, указано его обобщение для линейно неразделимых выборок. Главным недостатком в описании идеи спрямляющих пространств является отсутствие явной формулы для алгоритма. А именно:

a(x)=sign(\sum\limits_{i=1}^{l}\lambda_iy_iK(x,x_i)-w_o).

Из этой формулы, очевидно, следует, что в случае, если ядро (K(x,x_i)) не является линейной функцией евклидового скалярного произведения(<x,y>), то разделяющая поверхность также не будет линейной. Однако, графики разделяющих поверхностей, построенные с использованием сигмоидального ядра, оказываются прямыми. В частности: Изображение:SVMbestpartition_normtest.png.

Из написанного выше, очевидно, следует, что работа выполнена неправильно. Всем читающим эту статью имеет смысл обратить на это внимание.

pasechnik 16:56, 21 июня 2010 (MSD)

Источник — «http://recognition.su/wiki/index.php?title=%D0%9E%D0%B1%D1%81%D1%83%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5:SVM_%D0%B4%D0%BB%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B5%D0%B9%D0%BD%D0%BE_%D0%BD%D0%B5%D1%80%D0%B0%D0%B7%D0%B4%D0%B5%D0%BB%D0%B8%D0%BC%D0%BE%D0%B9_%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%BA%D0%B8_%28%D0%BF%D1%80%D0%B8%D0%BC%D0%B5%D1%80%29»