Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

== Существенные критические замечания == В данной статье приведен общий подход к описанию алгоритмов SVM, указано его обобщение для линейно неразделимых выборок. Главным недостатком в ''описании'' идеи спрямляющих пространств является отсутствие явной формулы для алгоритма. А именно: <tex>a(x)=sign(\sum\limits_{i=1}^{l}\lambda_iy_iK(x,x_i)-w_o)</tex>. Из этой формулы, очевидно, следует, что в случае, если ядро (<tex>K(x,x_i)</tex>) не является линейной функцией евклидового скалярного произведения(<tex><x,y></tex>), то разделяющая поверхность также не будет линейной. Однако, графики разделяющих поверхностей, построенные с использованием сигмоидального ядра, оказываются прямыми. В частности: [[Изображение:SVMbestpartition_normtest.png]]. Из написанного выше, очевидно, следует, что работа выполнена неправильно. Всем читающим эту статью имеет смысл обратить на это внимание. [[Участник:Pasechnik|pasechnik]] 16:56, 21 июня 2010 (MSD)

Возврат к странице Обсуждение:SVM для линейно неразделимой выборки (пример).