Metoda podpornih vektorjev
Metoda podpornih vektorjev
Metoda podpornih vektorjev
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Transduktivni SVM 49/60<br />
Tu imamo poleg običajne učne množice še nekaj neoznačenih <strong>vektorjev</strong> x ⋆ j , j ∈ 1..m<br />
(ki pa prihajajo iz iste verjetnostne porazdelitve).<br />
Vapnik (1998) je priporočil:<br />
• Pripišimo vsakemu od neoznačenih primerkov oznako (+1 ali −1) in to tako, da bo<br />
potem pri učenju na obojih skupaj mogoče doseči čim manjšo vrednost<br />
kriterijske funkcije.<br />
minimiziraj f(w, b, ξ, ξ ⋆ , y ⋆ ) := 1 2 ||w||2 + C ∑ l<br />
i=1 ξ i + C ⋆ ∑ m<br />
j=1 ξ⋆ i<br />
pri pogojih ∀i ∈ 1..l : y i (w T x i + b) ≥ 1 − ξ i , ξ i ≥ 0<br />
∀j ∈ 1..m : yj ⋆(wT x ⋆ j + b) ≥ 1 − ξ⋆ j , ξ⋆ j ≥ 0, y⋆ j ∈ {1, −1}<br />
Tega ne moremo kar minimizirati, saj so spremenljivke y ⋆ j diskretne.