여기에 두 가지 수치는 물론 그와 관련된 몇 가지 질문을 게시합니다. 문제 해결에 도움을 줄 수 있습니까? enter image description herelibsvm을 사용하여 SVM 질문을 이해하십시오.
이 지원 벡터의 소수에 의해 반사되어 쉽게 분리 집합이다 :
1. Training a simple linear SVM:
% svm-train -t 0 -c 100 data0 data0.model
% python drawBoundary.py data0
where:
-t 0 -- use a linear kernel
-c 100 -- set "C" = 100, which means "overfit a lot"
그러면 여기서 얻어진 플롯 온다. 플롯에서 SV는 크게 그려지고 (마진에 있으며 결정 경계에서 한 단위 떨어져있는 점선, 실선).
는 여기에 첫 번째 질문에 온다 :
Q1: You should have found that it takes 3 support vectors. Could you have fewer (eg., 2) support vectors here? And why?
내 대답은 NO입니다, (3) 가장 작은 수입니다. 그러나 그것은 내 직관에 불과합니다. 나는 이유를 모른다. 누군가 나에게 그 이유를 설명 할 수 있을까요? 여기 그런 enter image description here
두 번째 질문입니다 : 여기
2.
% svm-train -t 2 -c 100 -g 100 data0 data0.model
% python drawBoundary.py data0
where:
-t 2 means RBF and -g100 means gamma=100
A gamma of 100 means that you have to be really close to a point to have a kernel value that's non-zero.
은 결과 플롯이다
Q2 : 왜 당신이이 작은 모양을받을 수 있나요은? 감마를 얼마나 높게 설정해야 각 예의 작은 결정 경계를 얻을 수 있습니까 (예 : 각 결정 경계가 정확히 한 가지 예를 둘러 쌉니까?).
이 질문에 대해서는 완전히 분실했습니다.
고맙습니다. 하지만 질문 2에 대해, 왜이 작은 얼룩을 얻습니까? 그것들이 마진 라인이라는 것을 의미합니까? 나는 꽤 혼란 스럽다. – JennyShen