学习笔记: 机器学习经典算法-空间内一点到超平面的距离推广公式

简介: 机器学习经典算法-个人笔记和学习心得分享

超平面 与 法向量

超平面(H,Hyperplane) 是二维平面中直线、三维空间中平面对象的推广形式,本质是$n$维空间的一个子空间,满足向量加法与乘法的封闭。空间中的平面都可以被平面上任意一点$x_0$及与平面内任意向量所垂直的平面法向量$\vec w$所确定:

定义空间内一超平面为 $H$
在平面上确定一点 $x_0$,就有平面上其它任意点$x$ 与$x_0$所成向量 $\vec {x_0x}$ 与垂直于法线 :
$\vec {x_0x} \cdot \vec w = 0 \rightarrow (\vec x - \vec x_0)\cdot \vec w = 0$
$\therefore \vec {x_0x} \cdot \vec w = \vec w^T\vec x - \vec w^T\vec x_0 = 0$

由于 $x_0$ 为提前确定的平面内一点,则有 $\frac {\vec w^T\vec x_0}{\|\vec w\|}$ 计算了空间原点$O$与$x_0$ 所成向量到平面法向量的投影长度,实质上描述了 平面H 偏离空间原点的距离 ,这个偏移量描述一般描述为 $b = - \frac {\vec w^T\vec x_0}{\|\vec w\|}\cdot \|\vec w\|$的形式。当 $b = 0$ 时意味着超平面未发生偏移,过空间原点$O$。
这样根据平面内一点和法向量确立的平面的约束方程称为 点法式超平面方程:
$$w^Tx + b= 0$$

点到超平面距离

对于空间上的任意点 $X$ 到 $w$ 所定义的超平面H的距离 $d$ 就有等于向量$\vec {OX}$ 在平面法向量上的投影距离 $\frac {wX}{\|w\|}$ 减去平面相对原点的偏移量$\frac {-b}{\|w\|}$,即:

$$d(X \rightarrow H) = |\frac {wX}{\|w\|} - \frac {-b}{\|w\|}| = \frac {|wX+b|}{\|w\|}$$
如在简单二维空间内,平面上的一点 $(x_1,y_1)$ 到直线形式的超平面对象 $Ax + By +C = 0$ 的距离就可以描述为 $ d = \frac {|Ax_0 + By_0 + C|}{\sqrt {A^2 + B^2}}$

目录
相关文章
|
5天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
21 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
26天前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
|
1月前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
55 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
1月前
|
机器学习/深度学习 算法 Python
探索机器学习中的决策树算法:从理论到实践
【10月更文挑战第5天】本文旨在通过浅显易懂的语言,带领读者了解并实现一个基础的决策树模型。我们将从决策树的基本概念出发,逐步深入其构建过程,包括特征选择、树的生成与剪枝等关键技术点,并以一个简单的例子演示如何用Python代码实现一个决策树分类器。文章不仅注重理论阐述,更侧重于实际操作,以期帮助初学者快速入门并在真实数据上应用这一算法。
|
14天前
|
机器学习/深度学习 人工智能 算法
探索机器学习中的决策树算法
【10月更文挑战第29天】本文将深入浅出地介绍决策树算法,一种在机器学习中广泛使用的分类和回归方法。我们将从基础概念出发,逐步深入到算法的实际应用,最后通过一个代码示例来直观展示如何利用决策树解决实际问题。无论你是机器学习的初学者还是希望深化理解的开发者,这篇文章都将为你提供有价值的见解和指导。
|
1月前
|
机器学习/深度学习 算法 数据处理
EM算法对人脸数据降维(机器学习作业06)
本文介绍了使用EM算法对人脸数据进行降维的机器学习作业。首先通过加载ORL人脸数据库,然后分别应用SVD_PCA、MLE_PCA及EM_PCA三种方法实现数据降维,并输出降维后的数据形状。此作业展示了不同PCA变种在人脸数据处理中的应用效果。
33 0
|
6月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
239 14
|
6月前
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
114 1
|
6月前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
6月前
|
机器学习/深度学习 数据采集 算法
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
305 0