Machine learning SVM-最优超平面和边界?

Machine learning SVM-最优超平面和边界?,machine-learning,classification,svm,Machine Learning,Classification,Svm,我正在努力从数学上确定超平面的方程及其相应的几何边界 例如,考虑以下六个点,每个点具有两个特征:A类中的3个点:1、20、2、30、1、30和B类中的3个点:3、30、2、20、3、20 在这种情况下,我如何推理最佳分离线?我知道这两个支持向量分别是B类的2,20和A类的2,30。就像你提到的B类的2,20和A类的2,30是支持向量。但A类中的1,20和B类中的3,30也是支持向量。在这种情况下,最佳分隔线是通过1,15-2,25-3,35的分隔线,因为它确保两个类之间获得最大裕度。您可以尝试在

我正在努力从数学上确定超平面的方程及其相应的几何边界

例如,考虑以下六个点,每个点具有两个特征:A类中的3个点:1、20、2、30、1、30和B类中的3个点:3、30、2、20、3、20


在这种情况下,我如何推理最佳分离线?我知道这两个支持向量分别是B类的2,20和A类的2,30。

就像你提到的B类的2,20和A类的2,30是支持向量。但A类中的1,20和B类中的3,30也是支持向量。在这种情况下,最佳分隔线是通过1,15-2,25-3,35的分隔线,因为它确保两个类之间获得最大裕度。您可以尝试在纸上绘制此分隔线并观察。若你们试着画另一条线,这条线仍然可以很好地分类,那个么这条线最终会靠近一个类的点