感知机和SVM的区别:
1、相同点
都是属于监督学习的一种分类器(决策函数)。
2、不同点

感知机追求最大程度正确划分,最小化错误,效果类似紫线,很容易造成过拟合。支持向量机追求大致正确分类的同时,一定程度上避免过拟合,效果类似下图中的黑线。

感知机使用的学习策略是梯度下降法,感知机的目标是:
minw,bL(w,b)=−∑xi∈M⋅yi⋅(w⋅xi+b)min_{w,b}L(w,b)=-\sum_{x_i∈M}·y_i·(w·x_i+b)minw,b​L(w,b)=−∑xi​∈M​⋅yi​⋅(w⋅xi​+b)
所谓的梯度下降就是让下面两个式子的绝对值的数值不断降低,降低为接近0为止,其实就是在模仿求导的效果,因为下面两个式子接近0的时候,也就是求导为0的时候。
▽w(w,b)=−∑xi∈Myi⋅xi\triangledown_w(w,b)=-\sum_{x_i∈M}y_i·x_i▽w​(w,b)=−∑xi​∈M​yi​⋅xi​
▽b(w,b)=−∑xi∈Myi\triangledown_b(w,b)=-\sum_{x_i∈M}y_i▽b​(w,b)=−∑xi​∈M​yi​
而SVM采用的是由不等式约束条件构造拉格朗日函数,然后求偏导令其为0,根据一大堆的ai参数(一直迭代到满足kkt
条件为止,kkt条件是用来满足不等式约束下的拉格朗日乘子法的泛化),来最终求得w和b。

这里特别说明下一般我们的拉格朗日函数是符合凸函数的,因此对于凸函数一定存在极值点,也是唯一的最优解。而一般的非凸函数,只好采用梯度下降法一步一步的求得极值点,如果非凸函数还是采用求导令为0,可能找不到极值点!因为鞍点也是导数为0,但却不是极值点的特例,如y = x^3函数。导数为0是函数极值点的必要条件。

本文来自 老司机的诗和远方 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/touch_dream/article/details/63748923?utm_source=copy

SVM和感知机的区别(转载+自己笔记)相关推荐

  1. 转载--【笔记】Asp.Net构架(Http请求处理流程)

    转载--[笔记]Asp.Net构架(Http请求处理流程) 最近接触了一些Asp.Net开发人员,在聊到技术的时候,发现很多的Asp.Net开发人员都不明白在ASP.NET中一个页面请求的处理流程,今 ...

  2. SVM与感知机的异同点

    SVM与感知机的异同点 相同的地方 SVM与感知机一样是通过寻找超平面,用于解决二分类问题的分类算法 超平面一侧的点计算分数结果为负是负例,另一侧结果分数为正是正例与感知机相同,通过 sign 给出预 ...

  3. 取模(mod)与取余(rem)的区别——Matlab学习笔记

    取模(mod)与取余(rem)的区别--Matlab学习笔记http://www.bieryun.com/1099.html 昨天在学习Matlab的数学函数时,教程中提到取模(mod)与取余(rem ...

  4. .NET 的 WCF 和 WebService 有什么区别?(转载)

    .NET 的 WCF 和 WebService 有什么区别?(转载) [0]问题: WCF与 Web Service的区别是什么? 和ASP.NET Web Service有什么关系? WCF与ASP ...

  5. postfix中recipient/client/sender/helo四者的区别转载

    postfix在main.cf中用下面四个做限制,那么这四者到底有什么区别? smtpd_recipient_restrictions smtpd_client_restrictions smtpd_ ...

  6. 多层感知机和神经网络的区别_学习笔记-从神经元到神经网络

    人的大脑神经网络的复杂程度有人说,只有银河系可以比拟.总所周知,神经网络就是模仿大脑神经网络用数学知识构造的模型.单个神经元还是比较简单的. 神经元 一个神经元有树突,轴突,和细胞体等部分.树突接受输 ...

  7. SVM推导过程及SMO详细求解过程(转载+自己笔记)

    转载自: https://blog.csdn.net/xuanyuansen/article/details/41078461 下面的tn是标签值 这里稍微解释下,上面的|wx+b|/w是咋在处理的, ...

  8. jquery和javascript的区别(转载自脚本之家)

    jquery 就对javascript的一个扩展,封装,就是让javascript更好用,更简单,为了说明区别,下面与大家分享下JavaScript 与JQuery 常用方法比较 jquery 就对j ...

  9. 转载学习笔记:c++atoi

    c++中的atoi()和stoi()函数的用法和区别 鸡啄米的时光机 2018-08-27 20:58:41 28304 收藏 28 最后发布:2018-08-27 20:58:41首发:2018-0 ...

最新文章

  1. Build SSCLI20 under VS2008 full Document (完全手册)
  2. 第3关:4位快速加法器设计
  3. 【Scratch】青少年蓝桥杯_每日一题_6.17_奇偶数
  4. 全球及中国多非利特原料药行业发展模式分析及投资前景规划报告2022-2027年版
  5. Jerry的SAP One Order框架重构的几版代码
  6. HDU1026 Ignatius and the Princess I(深度优先搜索)
  7. uva 10098 Generating Fast(全排列)
  8. python学习--面向过程程序设计实例
  9. 黑客已经盗了 $15,945,221.72 美元!
  10. (二)SSO之CAS框架单点退出,自己定义退出界面.
  11. 计数显示器c语言程序,51单片机计数显示器Proteus仿真程序
  12. 【网易云课堂---轻松读书:番茄工作法二】
  13. python常用的十进制、16进制、字符串、字节串之间的转换
  14. Pandas速查中文手册
  15. 计算机视觉教程 章毓晋 pdf,计算机视觉教程 教学课件 章毓晋 CCV08.pdf
  16. 3D模型在线转换,CAD格式转换,Solidworks版本转换
  17. maya2020卸载不干净安装不了_Maya2020安装失败怎么办?2018却可以安装?
  18. “芝诺大数据教学科研平台”荣获“2018大数据应用优秀案例”
  19. 贪心算法-2.找钱问题
  20. 论文阅读笔记《Improving Unsupervised Defect Segmentation by Applying Structural Similarity To Autoencoders》

热门文章

  1. 【剑指offer】面试题31:连续子数组的最大和
  2. GPS坐标转换 百度地图API调用
  3. 2013年06月电脑公司GHOSTXPSP3装机版◆年中推荐◆
  4. [转]Data mining with WEKA, Part 3: Nearest Neighbor and server-side library
  5. Excel 的点点滴滴
  6. 通过COM组件在Web上实现Kinect骨骼追踪、声控截屏保存的功能
  7. 程序员必不可少的firefox插件推荐
  8. JS 基础 —— JavaScript 关键字(keyword)与保留字
  9. linux ip端口配置文件,Linux /etc/network/interfaces配置接口方法
  10. GloVe: Global Vectors for Word Representation-学习笔记