Optimization 具有线性的特殊输出
我面临着一个关于lib线性封装的非常特殊的问题。 我有两个级别（+1，-1）。 假设我只有一个特性，它的值为$x_1$，$x_2$，…，$x_n$表示n个点。它分类很好，例如给出一些正权重$w*$和成本C。 现在，如果我将$1$叠加到上一个特征上，生成一个新的特征向量[1 x_I]I=1，2，…，n；现在，对于这个新问题，lib linear给出了以下内容： 权向量[w_1-w_2]；w_i>0，即权重为1时为w_1，权重为x时为w_2。 成本C1远大于以前的成本C 我知道新功能（1）在整个过程中没有变化，因此它的权重应该自动变为零 这是一个极小化问题，所以它应该给w_1~0，这样现在成本C1最多等于COptimization 具有线性的特殊输出,optimization,svm,Optimization,Svm,我面临着一个关于lib线性封装的非常特殊的问题。 我有两个级别（+1，-1）。 假设我只有一个特性，它的值为$x_1$，$x_2$，…，$x_n$表示n个点。它分类很好，例如给出一些正权重$w*$和成本C。 现在，如果我将$1$叠加到上一个特征上，生成一个新的特征向量[1 x_I]I=1，2，…，n；现在，对于这个新问题，lib linear给出了以下内容： 权向量[w_1-w_2]；w_i>0，即权重为1时为w_1，权重为x时为w_2。 成本C1远大于以前的成本C 我知道新功能（1）在整个过程
有人能帮忙吗？因为您有一个恒定的输入维度，它在决策函数中的贡献也将是恒定的。LIBLINEAR的决策函数是
f(x)=sign(w^T*x-rho)