关于支持向量机SVM,下列说法错误的是

关于支持向量机SVM,下列说法错误的是

感想

看来我是忘记支持向量机了，忘记那个C的作用，忘记了那个最大软间隔了，在哪里跌倒了，就在哪里爬起来。

problem

关于支持向量机SVM,下列说法错误的是（）

A. L2正则项，作用是最大化分类间隔，使得分类器拥有更强的泛化能力B. Hinge 损失函数，作用是最小化经验分类错误C. 分类间隔为1/||w||，||w||代表向量的模

D. 当参数C越小时，分类间隔越大，分类错误越多，趋于欠学习

答案：C

analysis

A正确。考虑加入正则化项的原因：想象一个完美的数据集，y>1是正类，y<-1是负类，决策面y=0，加入一个y=-30的正类噪声样本，那么决策面将会变“歪”很多，分类间隔变小，泛化能力减小。加入正则项之后，对噪声样本的容错能力增强，前面提到的例子里面，决策面就会没那么“歪”了，使得分类间隔变大，提高了泛化能力。

B正确。C错误。间隔应该是2/||w||才对，后半句正确，向量的模通常指的就是其二范数。

D正确。考虑软间隔的时候，C对优化问题的影响就在于把a的范围从[0，+inf]限制到了[0,C]。C越小，那么a就会越小，目标函数拉格朗日函数导数为0可以求出w=求和ai∗yi∗xi，a变小使得w变小，因此间隔2/||w||变大

参考文献

[2].牛客网.https://nowcoder.com/questionTerminal/cfcd7305db9549b89c08d9d876b44472

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。