“线性分类器”的版本间的差异

来自集智百科
跳转到: 导航搜索
(以“=定义= 线性分类器的分类边界在高维空间中是一个平面. 它的参数是一组线性系数, <math> \alpha = \{ \alpha_0, \alpha_1, \alpha_2, ..., ...”为内容创建页面)
 
 
第22行: 第22行:
  
 
=例子=
 
=例子=
支持向量机 (Support vector machine)
+
* 支持向量机 (Support vector machine)
线性判别分析 (Linear discriminative analysis)
+
* 线性判别分析 (Linear discriminative analysis)
Logistic回归 (Logistic Regression)
+
*Logistic回归 (Logistic Regression)

2013年5月20日 (一) 10:16的最后版本

[编辑] 定义

线性分类器的分类边界在高维空间中是一个平面. 它的参数是一组线性系数,


\alpha = \{ \alpha_0, \alpha_1, \alpha_2, ..., \alpha_n \},

这组线性系数在高维空间中定义了一个超平面. 超平面将空间划分成两部分. 输入样本作为高维空间中的点, 被超平面分割成了两类.


更加具体一些, 假设输入样本的特征向量为,


x= \{ x_1, x_2, ..., x_n \},

可以将特征向量代入到平面方程中, 通过平面方程取值的正负判断样本属于哪一类, 也就是地样本分类; 而且可以依据绝对值的大小, 进一步判断样本到分类平面的距离.


y = \{ \alpha_0 + \alpha_1 x_1, \alpha_2 x_2, ..., \alpha_n x_n \},

[编辑] 例子

  • 支持向量机 (Support vector machine)
  • 线性判别分析 (Linear discriminative analysis)
  • Logistic回归 (Logistic Regression)
个人工具
名字空间
操作
导航
工具箱