Главная » Просмотр файлов » 3 Метод опорных векторов

3 Метод опорных векторов (1162171)

Файл №1162171 3 Метод опорных векторов (Д.П. Веторв, Ю.И. Журавлёв - Лекции)3 Метод опорных векторов (1162171)2019-09-19СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла

Лекция 3. МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]БеспризнаковоераспознаваниеобразовЛекция 3. Метод опорных векторовД. П. Ветров11Ю. И. Журавлев1МГУ, ВМиК, каф. ММПКурс «Математические основы теориипрогнозирования»План лекцииЛекция 3.

МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов1 Ликбез2 Метод опорных векторов для задачи классификации, [2]Метод потенциальных функцийСлучай линейно разделимых данныхСлучай линейно неразделимых данныхЯдровой переходЗаключительные замечания3 Метод опорных векторов для задачи регрессии, [2]4 Беспризнаковое распознавание образовОсновная методика беспризнакового распознавания образоПостроение функции, задающей скалярное произведениеЗадача условной оптимизацииЛекция 3.

МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]БеспризнаковоераспознаваниеобразовПусть f (x) : Rd → R — гладкая функция. Предположим, чтонам необходимо найти ее экстремум:f (x) → extrxДля того, чтобы найти экстремум (решить задачубезусловной оптимизации), достаточно проверить условиестационарности:∇f (x) = 0Предположим, что нам необходимо найти экстремумфункции при ограничениях:f (x) → extrxg(x) = 0Поверхность ограниченияЛекция 3.

МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]БеспризнаковоераспознаваниеобразовЗаметим, что ∇g(x) ортогонален поверхности ограниченияg(x) = 0. Пусть x и x + ε — две близкие точки поверхности.Тогдаg(x + ε) g(x) + εT ∇g(x)Т.к. g(x + ε) = g(x), то εT ∇g(x) 0. При стремленииε → 0 получаем εT ∇g(x) = 0. Т.к. ε параллеленповерхности g(x) = 0, то ∇g(x) является нормалью к этойповерхности.Функция ЛагранжаЛекция 3. МетодопорныхвекторовНеобходимым условием оптимальности являетсяортогональность ∇f (x) поверхности ограничения, т.е.:Ветров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]∇f + λ∇g = 0Здесь λ = 0 — коэффициент Лагранжа.

Он может бытьлюбого знака.Функция ЛагранжаБеспризнаковоераспознаваниеобразовL(x, λ) f (x) + λg(x)Тогда∇x L = 0∂L=0∂λ⇒ условие (1)⇒ g(x) = 0(1)Функция Лагранжа. Пример.x2Лекция 3. Методопорныхвекторов**(x 1,x 2)Ветров,Журавлевx1Ликбезg(x1,x2)=0Метод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]f (x1 , x2 ) = 1 − x21 − x22 → maxx1 ,x2g(x1 , x2 ) = x1 + x2 − 1 = 0Функция Лагранжа:БеспризнаковоераспознаваниеобразовL(x, λ) = 1 − x21 − x22 + λ(x1 + x2 − 1)Условия стационарности:− 2x1 + λ = 0− 2x2 + λ = 0x1 + x2 − 1 = 0Решение:(x∗1 , x∗2 )=( 12 , 12 ),λ = 1.Ограничение в виде неравенстваЛекция 3.

Методопорныхвекторовf (x) → maxВетров,Журавлевxg(x) ≥ 0ЛикбезМетод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]БеспризнаковоераспознаваниеобразовРешениеОграничениеВнутриобластиg(x) > 0На границе g(x) = 0неактивноактивноУсловие дополняющей нежесткости:λg(x) = 0Условиестационарности∇f (x) = 0, ∇x L =0, λ = 0∇f (x) = −λ∇g(x),∇x,λ L = 0, λ > 0Теорема Каруша-Куна-ТаккераЛекция 3. МетодопорныхвекторовВетров,ЖуравлевПусть fi : X → R, i = 0, 1, . .

. , m — выпуклые функции, отображающиенормированное пространство X в прямую, A ∈ X — выпуклое множество.Рассмотрим следующую задачу оптимизации:f0 (x) → min;ЛикбезМетод опорныхвекторов длязадачиклассификации,[2]Метод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразовfi (x) ≤ 0, i = 1, . . .

, m, x ∈ A(2)Теорема1. Если x̂ ∈ absmin (2) — решение задачи, то найдется ненулевой вектормножителей Лагранжа λ ∈ Rm+1 такой, что для функции ЛагранжаmL(x) =i=0 λi fi (x) выполняются условия:a) стационарности minx∈A L(x) = L(x̂)b) дополняющей нежесткости λi fi (x̂) = 0, i = 1, . . . , mc) неотрицательности λi ≥ 02. Если для допустимой точки x̂ выполняются условия a)–c) и λ0 = 0, тоx̂ ∈ absmin (2)3.

Если для допустимой точки x̂ выполняются условия a)–c) и∃x̃ ∈ A : fi (x̃) < 0, i = 0, . . . , m (условие Слейтера), то x̂ ∈ absmin (2)Задача классификацииЛекция 3. МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов• Рассматривается задача классификации на два класса.Имеется обучающая выборка (X, t) = {xi , ti }ni=1 , гдеx ∈ Rd , а метка класса t ∈ T = {−1, 1}.• Необходимо с использованием обучающей выборкипостроить отображение A : Rd → T , которое длякаждого нового входного объекта x∗ выдает его меткукласса t∗ .План лекцииЛекция 3.

МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов1 Ликбез2 Метод опорных векторов для задачи классификации, [2]Метод потенциальных функцийСлучай линейно разделимых данныхСлучай линейно неразделимых данныхЯдровой переходЗаключительные замечания3 Метод опорных векторов для задачи регрессии, [2]4 Беспризнаковое распознавание образовОсновная методика беспризнакового распознавания образоПостроение функции, задающей скалярное произведениеМетод потенциальных функций, [1]Лекция 3.

МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]БеспризнаковоераспознаваниеобразовВ каждом объекте xi помещен электрический заряд ti qi . Вкачестве разделяющей функции используется потенциалсоздаваемого поля:nf (x) =ti qi K(x, xi )i=1Алгоритм обучения:⎧⎨ f (x) + K(x, xk ), если tk = 1 и f (xk ) ≤ 0f (x) − K(x, xk ), если tk = −1 и f (xk ) ≥ 0f new (x) =⎩f (x),иначеПлан лекцииЛекция 3.

МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов1 Ликбез2 Метод опорных векторов для задачи классификации, [2]Метод потенциальных функцийСлучай линейно разделимых данныхСлучай линейно неразделимых данныхЯдровой переходЗаключительные замечания3 Метод опорных векторов для задачи регрессии, [2]4 Беспризнаковое распознавание образовОсновная методика беспризнакового распознавания образоПостроение функции, задающей скалярное произведениеРазделяющая гиперплоскостьЛекция 3. Методопорныхвекторов<z,x>+b=0Ветров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразовz0• Гиперплоскость задается направляющим векторомгиперплоскости z и величиной сдвига b:{x ∈ Rd |z, x + b = 0}, z ∈ Rd , b ∈ R• Если вектор z имеет единичную длину, то величинаz, x определяет длину проекции вектора x нанаправляющий вектор z.

В случае произвольной длиныскалярное произведение нормируется на z.Каноническая гиперплоскостьЛекция 3. МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов• Если величину направляющего вектора z и величинусдвига b умножить на одно и то же число, тосоответствующая им гиперплоскость не изменится.• Пара (z, b) задает каноническую гиперплоскость длянабора объектов x1 , . . .

, xn ∈ Rd , еслиmin |z, xi + b| = 1i=1,...,n(3)• Условие (3) означает, что ближайший вектор кканонической гиперплоскости находится от нее нарасстоянии 1/z:xi : |z, xi + b| = 1, x : z, x + b = 0 z1, xi − x =|z, xi − x| = 1 ⇒ zz• Каноническая гиперплоскость определена однозначно сточностью до знака z и bКлассификаторЛекция 3. МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов• Будем искать классификатор в виде разделяющейгиперплоскости:t̂(x) = sign(y(x)) = sign(z, x + b)• Предположим, что исходные данные являются линейноразделимыми, т.е.∃(z, b) : t̂(xi ) = ti ∀i = 1, .

. . , nОптимальная разделяющая гиперплоскостьЛекция 3. МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов• Зазором гиперплоскости данной точки (x, t) называетсявеличина:ρ(z,b) (x, t) =t(z, x + b)zЗазором гиперплоскости называется величина:ρ(z,b) = min ρ(z,b) (xi , ti )i=1,...,n• Для корректно распознаваемого объекта его величиназазора соответствует расстоянию от этого объекта догиперплоскости. Отрицательная величина зазорасоответствует об ошибочной классификации объекта.• Оптимальная разделяющая гиперплоскость —гиперплоскость с максимальной величиной зазораОптимальная разделяющая гиперплоскость.Пример 1.Лекция 3. МетодопорныхвекторовВетров,ЖуравлевЛикбезМетод опорныхвекторов длязадачиклассификации,[2]МетодпотенциальныхфункцийСлучай линейноразделимыхданныхСлучай линейнонеразделимыхданныхЯдровой переходЗаключительныезамечанияМетод опорныхвекторов длязадачирегрессии, [2]Беспризнаковоераспознаваниеобразов• Предположим, что все объекты тестовой выборкиполучены путем небольших смещений относительнообучающих объектов, т.е.

Характеристики

Тип файла
PDF-файл
Размер
393,38 Kb
Тип материала
Высшее учебное заведение

Тип файла PDF

PDF-формат наиболее широко используется для просмотра любого типа файлов на любом устройстве. В него можно сохранить документ, таблицы, презентацию, текст, чертежи, вычисления, графики и всё остальное, что можно показать на экране любого устройства. Именно его лучше всего использовать для печати.

Например, если Вам нужно распечатать чертёж из автокада, Вы сохраните чертёж на флешку, но будет ли автокад в пункте печати? А если будет, то нужная версия с нужными библиотеками? Именно для этого и нужен формат PDF - в нём точно будет показано верно вне зависимости от того, в какой программе создали PDF-файл и есть ли нужная программа для его просмотра.

Список файлов лекций

Свежие статьи
Популярно сейчас
Почему делать на заказ в разы дороже, чем купить готовую учебную работу на СтудИзбе? Наши учебные работы продаются каждый год, тогда как большинство заказов выполняются с нуля. Найдите подходящий учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6489
Авторов
на СтудИзбе
303
Средний доход
с одного платного файла
Обучение Подробнее