我正在编写SVM Primal的代码,它使用SGD(随机子梯度下降)来优化向量W.
分类方法是符号(w * x +偏差) 我的问题是如何找到它的最佳偏见? 我想它在W优化期间必须做,但是怎么做?我不知道。
答案 0 :(得分:1)
您的假设是sign(<w, x> + b)
,想一下x' = [x 1]
,然后您可以将您的假设表达为sign(<w', x'>)
,其中w' = [w b]
。我希望它清楚地表明b
与w
没有任何区别(唯一的区别是你的正则化术语||w||^2
不涉及b
)。因此,您只需要d L/ d b
,其中L
是您的损失函数。