应用错误收集

时间：2013-10-13 23:56:42

标签： algorithm svm

我正在尝试实现SVM算法，但我很难理解d维数据集是如何实际处理的。在我的特定情况下，每个“点”都有近400个识别功能。

在二维空间中，它基本上试图在两组之间找到一条线，使两边的任何一点的边距最大化。我可以想象在d维空间中这样的“线”会是什么样子，但我完全不知道分类实际上是如何工作的。

有一个类似的问题here，但我没有得到它。我得到了分类器之后如何进行分离，但我对如何实际获得分类器感到很遗憾。

答案 0 :(得分：0)

如果您可以想象2D情况下的线条将如何成为更高维度的d维超平面，那么您已经完成了很多工作。当您在超平面上测试一个点时会发生实际分类，如果该点属于第1类，则会给出正数，如果属于第2类则为负数。

请注意，在公式中，每个点的尺寸没有限制：

enter image description here

[图片由维基百科提供]

如果你对使用内核技巧时非线性情况会发生什么感到好奇，我想与你分享一个很好地说明这个想法的视频。