Find centralized, trusted content and collaborate around the technologies you use most.
Teams
Q&A for work
Connect and share knowledge within a single location that is structured and easy to search.
SVM 教程指出,如果数据点落在分隔线周围的区域(在边距中) - 它不会被分类。这是如何在 SVMlight 和 libsvm 等库中实现的?
对于二分类,我们通常假设它们的目标分别是+1和-1。然后我们通过 QP 求解器找到最大边距超平面。由于软边距(参见 SVM 中的术语C },边距中存在一些样本。
+1
-1
但这不是问题。我们可以将正值作为+-class,负值作为--class来确定类
+
-
综上所述,即使样本被训练为+1和-1,SVM也会对+-class when>= 0或--class when 进行分类< 0
>= 0
< 0