小闹钟的机器学习笔记（7）
本次学习内容为cs229第七节 最优间隔分类器 几何距离表示样本和超平面上的距离，它有方向。最小距离称为最坏情况，因为我们希望距离能尽可能大。 将参数按倍数扩大，并不会影响几何距离。因为不会影响超平面的位置。 1. 最优化目标为几何距离。 求解参数，使得 其中||w||=1，使得几何距离=函数距离。 这个约束是个糟糕的非凸性约束，我们需要避免。 2. 最优化目标为函数距离/||w||。 这只是对同
相关文章
- 1. 小闹钟的机器学习笔记（4）
- 2. 小闹钟的机器学习笔记（5）
- 3. 小闹钟的机器学习笔记（3）
- 4. 小闹钟的机器学习笔记（6）
- 5. 小闹钟的机器学习笔记（2）
- 6. 小闹钟的机器学习笔记（9）
- 7. 机器学习-笔记7
- 8. 机器学习7—AdaBoost学习笔记
- 9. 学习小笔记---机器学习
- 10. 机器学习笔记（7）-------logistic回归
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 小闹钟的机器学习笔记（4）
- 2. 小闹钟的机器学习笔记（5）
- 3. 小闹钟的机器学习笔记（3）
- 4. 小闹钟的机器学习笔记（6）
- 5. 小闹钟的机器学习笔记（2）
- 6. 小闹钟的机器学习笔记（9）
- 7. 机器学习-笔记7
- 8. 机器学习7—AdaBoost学习笔记
- 9. 学习小笔记---机器学习
- 10. 机器学习笔记（7）-------logistic回归