在使用支持向量机 (SVM) 时，我们遇到 3 种类型的线（对于 2D 情况）。一个是决策边界，另外两个是边距：
我们为什么使用和作为之后的值在写 SVM 边距方程时签名？有什么特别之处在这种情况下？
例如，如果和是两个特征，那么决策边界是：. 为什么两个边缘边界表示为和?
为什么我们在 SVM 中使用 +1 和 -1 作为边际决策边界
数据挖掘
支持向量机
2022-01-28 09:43:48
1个回答
对于 SVM 的优化公式来说，重要的是这就是为什么输出也有意义的原因. 如果我们看一下我们想要最小化的软边距线性 SVM：
是 +1 或 -1，这会在问题的软边距定义中翻转超平面。
其它你可能感兴趣的问题