Überwachtes Lernen / Support Vector Machines
Überwachtes Lernen / Support Vector Machines
Überwachtes Lernen / Support Vector Machines
WENIGER ANZEIGEN
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Lineare Trennung der Trainingsdaten<br />
Wir fangen mit linearer Trennung an und vergrößern die Komplexität<br />
in einem zweiten Schritt durch Kernel-Funktionen.<br />
Eine trennende Hyperebene ist definiert durch<br />
• den Normalenvektorwund<br />
• die Verschiebungb:<br />
HyperebeneH={x|〈w,x〉 +b = 0}<br />
〈·,·〉 nennt man inneres Produkt<br />
oder Skalarprodukt<br />
Rudolf Kruse Neuronale Netze 250
Change language