最小二乘支持向量机(LSSVM)推导
个人笔记,非教程
LSSVM和SVM的区别就在于,LSSVM把原方法的不等式约束变为等式约束,从而大大方便了Lagrange乘子alpha的求解,原问题是QP问题,而在LSSVM中则是一个解线性方程组的问题。
minw,b,eJ(w,e)=12wTw+12γ∑i=1Nei2\min_{w,b,e}J(w,e)=\frac 12 w^Tw+\frac 12\gamma\sum_{i=1}^{N}e_i^2w,b,eminJ(w,e)=21wTw+21γi=1∑Nei2
s.t.yi(wTxi+b)=1−ei,i=1,...,Ns.t.\ \ \ \ y_i(w^Tx_i+b)=1-e_i,\ \ \ i=1,...,Ns.t. yi(wTxi+b)=1−ei, i=1,...,N
拉格朗日
L(w,b,e;α)=J(w,e)−∑i=1Nαi[yi(wTxi+b)−1+ei]L(w,b,e;\alpha)=J(w,e)-\sum_{i=1}^{N}\alpha_i[y_i(w^Tx_i+b)-1+e_i]L(w,b,e;α)=J(w,e)−i=1∑Nαi[yi(wTxi+b)−1+ei]
求导并令其为零
∂L∂w=0→w=∑i=1Nαiyixi∂L∂b=0→0=∑i=1Nαiyi∂L∂ei=0→αi=γek,k=1,...,N∂L∂ai=0→yi(wTxi+b)−1+ek=0,k=1,...,N\begin{aligned} \frac{\partial L}{\partial w}&=0\to w=\sum_{i=1}^{N}\alpha_iy_ix_i \\ \frac{\partial L}{\partial b}&=0\to 0=\sum_{i=1}^{N}\alpha_iy_i \\ \frac{\partial L}{\partial e_i}&=0\to \alpha_i=\gamma e_k, \ \ \ k=1,...,N \\ \frac{\partial L}{\partial a_i}&=0\to y_i(w^Tx_i+b)-1+e_k=0,\ \ \ k=1,...,N \end{aligned}∂w∂L∂b∂L∂ei∂L∂ai∂L=0→w=i=1∑Nαiyixi=0→0=i=1∑Nαiyi=0→αi=γek, k=1,...,N=0→yi(wTxi+b)−1+ek=0, k=1,...,N
转换为关于α\alphaα和bbb的线性方程组形式:
[0YTY(YYT)⨀(XXT)+γ−1I][bα]=[01]\begin{bmatrix} 0 & Y^T \\ Y & (YY^T)\bigodot (XX^T)+\gamma^{-1}I \\ \end{bmatrix} \begin{bmatrix} b \\ \alpha \\ \end{bmatrix} = \begin{bmatrix} 0 \\ \bold 1 \\ \end{bmatrix} [0YYT(YYT)⨀(XXT)+γ−1I][bα]=[01]
其中⨀\bigodot⨀规则为将矩阵对应位置的元素分别相乘,1\bold 11为一列1构成的向量
上面的矩阵大概长这个样子:
(YYT)⨀(XTX)+γ−1I(YY^T)\bigodot (X^TX)+\gamma^{-1}I(YYT)⨀(XTX)+γ−1I里的第iii行第jjj列元素为yiyjxiTxjy_iy_jx_i^Tx_jyiyjxiTxj
最小二乘支持向量机(LSSVM)推导相关推荐
- 【LSSVM回归预测】基于matlab人工蜂群算法优化最小二乘支持向量机LSSVM数据回归预测【含Matlab源码 2213期】
⛄一.人工蜂群算法优化最小二乘支持向量机LSSVM简介 1 最小二乘支持向量机 最小二乘支持向量机是支持向量机的一种改进算法[9,10],它将SVM算法中的不等式约束转化为等式约束,采用最小二乘线性系 ...
- 【LSSVM回归预测】人工蜂群算法优化最小二乘支持向量机LSSVM数据回归预测【含Matlab源码 2213期】
⛄一.人工蜂群算法优化最小二乘支持向量机LSSVM简介 1 最小二乘支持向量机 最小二乘支持向量机是支持向量机的一种改进算法[9,10],它将SVM算法中的不等式约束转化为等式约束,采用最小二乘线性系 ...
- 【回归预测-lssvm分类】基于最小二乘支持向量机lssvm实现数据分类代码
1 内容介绍 在信息爆炸的新时代,由于全球科技与经济迅猛发展,数据充斥在各行各业,数据的结构也变得多样化.其中对于数据的分类最常见,伴随着数据分类的同时出现两大处理难点,一个是非均衡问题,另一个就是高 ...
- 【lssvm预测】基于天鹰算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码
1 简介 短时交通流预测是实现智能交通控制与管理,交通流状态辨识和实时交通流诱导的前提及关键,也是智能化交通管理的客观需要.到目前为止,它的研究结果都不尽如人意.现有的以精确数学模型为基础的传统预测方 ...
- 【lssvm预测模型】基于蝙蝠算法改进的最小二乘支持向量机lssvm预测
1 简介 为了提高短期电力负荷预测结果的准确性,该文提出了蝙蝠算法优化最小二乘支持向量机(BA-LSSVM)的方法.该方法利用蝙蝠算法对最小二乘支持向量机的核函数参数进行优化,并用优化后的参数建立短期 ...
- 【lssvm预测】基于花朵授粉算法优化最小二乘支持向量机lssvm实现预测附matlab代码
1 简介 短时交通流预测是实现智能交通控制与管理,交通流状态辨识和实时交通流诱导的前提及关键,也是智能化交通管理的客观需要.到目前为止,它的研究结果都不尽如人意.现有的以精确数学模型为基础的传统预测方 ...
- 【lssvm预测】基于飞蛾扑火算法改进的最小二乘支持向量机lssvm预测
LSSVM的特性 1) 同样是对原始对偶问题进行求解,但是通过求解一个线性方程组(优化目标中的线性约束导致的)来代替SVM中的QP问题(简化求解过程),对于高维输入空间中的分类以及回归任务同样适用 ...
- 最小二乘支持向量机LSSVM多输入多输出预测,最小二乘支持向量机LSSVM回归预测。
%% 清空环境变量 warning off % 关闭报警信息 close all % 关闭开启的图窗 clear % 清空变量 clc % 清空命令行 %% 导入数据 res = xlsread('数 ...
- 【回归预测-lssvm】基于粒子群算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信.
- 最小二乘支持向量机预测matlab实现,最小二乘支持向量机及其 Pre-computed Kernel 的 matlab 实现...
1. 最小二乘支持向量机的推导 与支持向量机(Support Vector Machines, SVM)不同,Suykens 等提出的最小二乘支持向量机(Least Squared Support V ...
最新文章
- AAAI2020-图神经网络(GNN)过去、现在、应用和未来最新研究进展分享
- poj1564 Sum It Up dfs水题
- atmega8 Flash的使用
- 微软宣布针对Azure Cosmos DB的多个更新
- C# 多线程,解决处理大数据时窗体(不能拖动等)假死现象
- zookeeper的名词复盘-Watcher
- c 是泛型程序设计语言,c ++中的“泛型编程”是什么意思?
- mysql 多个实例 备份_Linux下安装Mysql多实例作为数据备份服务器实现多主到一从多实例的备份...
- AndroidStudio_开发工具调试入门---Android原生开发工作笔记70
- HTML5线性图表 图表数据区域可着色
- JavaMail的使用
- 小程序轮播图swiper,自定义的指示点
- 三级管和场效应管驱动电路设计及使用
- 计算机excel数据标签,excel散点图数据标签,Excel如何设置散点图标签
- 浅析JVM中常见的垃圾收集算法
- VMware 8安装Mac OS X 10.8 Lion
- 数据中心机房温湿度监测
- 【树莓派】配置树莓派防火墙
- FPGA芯片的GTX/GTH/GTY/GTP/GTZ/GTM高速信号有什么区别?
- Repeater用法(
热门文章
- 软件开发生命周期的五个阶段
- 强制卸载Edge(Chromium内核版本)
- mac苹果画图软件_苹果Mac绘图软件 OmniGraffle for Mac v7.15.1 中文免费版
- 兔子进洞算法_下兔子洞:一个varnishreload错误的故事-第1部分
- libmodbus 手册翻译
- linux压缩命令常用:tar,tgz,gzip,zip,rar
- 红米pro android o刷机,红米Pro如何刷机?你可以通过这两种方法获取root权限!
- Visual Studio安装指南
- 语音信号预加重与去加重(Matlab+Keil)
- 从0到1开发H5游戏