machine-learning - 支持向量机有什么好处>
问题描述
我已经了解了支持向量机,并得到了成本函数的方程: J(M,D) = C/2 |w|^2 + sum((D_hinge(x,y,M)) 而且,我明白当你取它的梯度并将其设置为 0,然后求解 w,你得到: w = 1/(C * Dtra) * sum for (x,y) in support vector of: xy. 基本上,你得到w 的支持向量的值。我不明白的是:这样做的目的是什么?这个 w 的计算值是最小值吗?如果不是,你如何使用这个公式来计算 w?对不起,如果方程是令人困惑的是,stackoverflow 上还没有数学模式:(
解决方案
推荐阅读
- android - 错误:MainActivity 必须扩展 android.app.Activity [Instantiatable]
- javascript - TypeError: bot.commands.get(...).run 不是函数
- java - 如何使用 spring-boot-starter-oauth2-client 执行刷新
- python - 如何在此代码上从另一个文件启动函数
- reactjs - 为什么 sx 道具类型检查失败?
- javascript - 确保 Node 节点服务器请求来自 React 前端
- performance - tmux 2.3 启动缓慢并显示 uname 命令输出
- r - 根据行中的其他值更改行的列值
- excel - Excel - 将条形图更改为所有相同的颜色
- javascript - 函数总是导致未定义的服务器端js