如何在MATLAB中定製SVM非線性決策boudary？

我想訓練一個帶有非線性邊界的SVM。邊界是已知的，用公式表示y = sgn（（w11 * x1 + w12 * x2 + w13 * x3）*（w21 * x4 + w22 * x5 + w23 * x6）），其中[x1 x2 ... x6] 1位輸入[w11 w12 w13 w21 w22 w23]是未知參數。如何在MATLAB中定製SVM非線性決策boudary？

我該如何用火車數據學習[w11 w12 w13 w21 w22 w22 w23]？

來源

2014-04-25 Husen

SVM不是這種任務的算法。支持向量機有它自己的標準來最大化，這與決策邊界形狀無關（好吧，不是沒有，但很難將其轉換爲另一個）。顯然，可以嘗試預定義自定義內核函數來執行此操作，但是這個任務看起來幾乎是無法解決的問題（我無法想到具有這種決策邊界的任何複製希爾伯特空間）。

總之：你的問題有點像「如何讓西瓜從牆上取下釘子？」。顯然 - 你可以做一些非常難的「魔術」來做到這一點，但這不是西瓜的目的。

來源

2014-04-25 09:48:49 lejlot

謝謝，我也意識到這不是很相關。我的問題更像參數估計。對於SVM，是基於核函數生成的邊界嗎？這是自動的，所以我只能自定義內核函數，而不是自定義邊界。 – Husen

決策邊界從基於核空間的超平面投影到輸入空間。支持向量機不是將「擬合分離曲線」納入數據中，您似乎在尋找。雖然你的模型非常簡單，但你應該做的很簡單，就是在等效誤差函數 – lejlot

Ja上進行簡單梯度優化，你是對的。我正在嘗試基於幾個線性預測器與lr的乘法來擬合參數的模型。這是更合理的。 – Husen

如何在MATLAB中定製SVM非線性決策boudary？

回答

相關問題