如何理解LIBLINEAR中的偏差参数？

Question

我不理解LIBLINEAR API中偏见参数的含义。为什么在培训期间由用户指定？它不应该只是从分离超平面到原点的距离，它是学习模型的一个参数吗？

这是来自自述文件：

struct problem
{
    int l, n;
    int *y;
    struct feature_node **x;
    double bias;
};

  

如果偏差＆gt; = 0，我们假设在每个数据实例的末尾添加了一个附加功能。

这个附加功能是什么？

Answer 1

让我们看一下分离超平面的等式：

w_1 * x_1  + w_2 * x_2  + w_3 * x_3 + ... + w_bias * x_bias = 0

其中x是特征值，w是训练的“权重”。附加功能x_bias是一个常量，其值等于偏差。如果bias = 0，您将获得穿过原点的分离超平面（0,0,0，...）。您可以想象很多情况，这种超平面不是最佳分隔符。

偏差值通过缩放w_bias影响边距。因此，偏差是一个调整参数，通常通过与其他参数类似的交叉验证来确定。