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)