방사형 기반 커널의 해석 (그래픽 또는 기타) SVM이 단일 기능으로 학습 되었습니까? 2 차원에서 효과를 시각화 할 수 있습니다 (결과적으로 선형 경계선이 아닌 구부러진 경계선이 생깁니다.)방사형 기본 커널을 사용한 이진 분류 단일 기능을 갖춘 SVM
원래 데이터 만이 아니라면 어떻게 될지 생각하고 있습니다.
방사형 기반 커널의 해석 (그래픽 또는 기타) SVM이 단일 기능으로 학습 되었습니까? 2 차원에서 효과를 시각화 할 수 있습니다 (결과적으로 선형 경계선이 아닌 구부러진 경계선이 생깁니다.)방사형 기본 커널을 사용한 이진 분류 단일 기능을 갖춘 SVM
원래 데이터 만이 아니라면 어떻게 될지 생각하고 있습니다.
한 차원에서 데이터는 숫자이고 결정 경계는 간단히입니다.유한 종류의 숫자은 을 하나의 클래스로 구분하는의 유한 집합과 다른 하나는 유한 집합의 유한 집합을 구분합니다.
실제로 R^2의 결정 경계는 지원 벡터 (여기서 α_i는 이들 가중치 임)의 가우스 분포의 가중치 합이 b (절편/임계 값 항)와 같은 점 집합입니다. 실제로이 분포를 그릴 수 있습니다 (현재 3D로). 유사하게, 1d에서 비슷한 분포를 얻을 수 있으며, 이는 2d에서 그려 질 수 있으며,이 분포가 b보다 크거나 작음에 기초하여 결정됩니다.
두 개의 다른 색상 (각 클래스에 대해 하나의 색상) 사이를왔다 갔다하는 선이 보일 것입니다. SVM 외에도 1D에서는 특별한 현상이 발생하지 않습니다.
이 비디오는 RBF 커널을 사용하지 않는 커널 매핑 일어날 것을 보여 주지만, 아이디어는 동일합니다 :
1 차원 케이스에 관해서는 http://www.youtube.com/watch?v=3liCbRZPrZA
, 큰 차이가없는, 그것은 아래와 같습니다
당신이 두 가지 기능 (2D)에있을 때, 당신은 라인 (1D) 선형 분리하는 경우 (선형 커널)에 대한 구분하고, 구분하는 곡선을 사용 비 - 리 분리 가능 케이스 근처 (예 : RBF).
하나의 기능 (1D)이있는 경우, 축을 따라 1D 데이터를 분리하는 지점이됩니다. 선형 분리 가능 케이스의 경우 단일 지점이며 비선형 분리 가능 케이스의 경우 여러 지점이있는 하나 또는 여러 개의 간격입니다.
안녕하세요! 각 기능이 치수라고 가정하면 "2 차원에서 효과를 시각화"할 수 있다는 것은 무엇을 의미합니까? 하나의 피쳐를 가진 시각화가 슬래시가있는 임계 값이있는 간단한 선이 아닐까요? '<------------/-------->' – arturomp
이 질문은 통계에 관한 것이므로 여기에 게시되었습니다 : http : // stats .stackexchange.com/questions/86458/binary-classification-using-radial-basis-kernel-svm-a-단일 기능 –