如何在MATLAB中定制SVM非线性决策boudary？

我想训练一个带有非线性边界的SVM。边界是已知的，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位输入[w11 w12 w13 w21 w22 w23]是未知参数。如何在MATLAB中定制SVM非线性决策boudary？

我该如何用火车数据学习[w11 w12 w13 w21 w22 w22 w23]？

来源

2014-04-25 Husen

SVM不是这种任务的算法。支持向量机有它自己的标准来最大化，这与决策边界形状无关（好吧，不是没有，但很难将其转换为另一个）。显然，可以尝试预定义自定义内核函数来执行此操作，但是这个任务看起来几乎是无法解决的问题（我无法想到具有这种决策边界的任何复制希尔伯特空间）。

总之：你的问题有点像“如何让西瓜从墙上取下钉子？”。显然 - 你可以做一些非常难的“魔术”来做到这一点，但这不是西瓜的目的。

来源

2014-04-25 09:48:49 lejlot

谢谢，我也意识到这不是很相关。我的问题更像参数估计。对于SVM，是基于核函数生成的边界吗？这是自动的，所以我只能自定义内核函数，而不是自定义边界。 – Husen

决策边界从基于核空间的超平面投影到输入空间。支持向量机不是将“拟合分离曲线”纳入数据中，您似乎在寻找。虽然你的模型非常简单，但你应该做的很简单，就是在等效误差函数 – lejlot

Ja上进行简单梯度优化，你是对的。我正在尝试基于几个线性预测器与lr的乘法来拟合参数的模型。这是更合理的。 – Husen

如何在MATLAB中定制SVM非线性决策boudary？

回答

相关问题