Zusammenfassung
In diesem Kapitel sind wieder die Merkmalsvektoren zweier Klassen gegeben, die möglichst gut voneinander getrennt werden sollen. Im Fall der linearen Trennbarkeit wird nicht irgendeine trennende Hyperebene gesucht, sondern eine solche, für die der Abstand der orthogonalen Projektionen von zwei Punkten verschiedener Klassen auf eine durch den Stellungsvektor gegebene Gerade durch eine möglichst große Schranke nach unten abgeschätzt werden kann. Falls eine lineare Trennung nicht möglich ist, wird eine angepasste Zielfunktion verwendet, die sich von der Zielfunktion des vorigen Kapitels unterscheidet. Dies führt auf ein einfaches quadratisches Optimierungsproblem mit linearen Nebenbedingungen. Es erweist sich als vorteilhaft, das dazu duale Problem zu lösen, woraus man dann die Lösung des ursprünglichen Problems erhält. Die notwendigen Grundlagen aus der restringierten quadratischen Optimierung werden bereitgestellt. Die aus den vorigen Kapiteln bekannte Idee zur Einbeziehung von Nichtlinearitäten wird ebenfalls verwendet, hier werden die neuen Merkmale aber nicht explizit, sondern nur implizit über gewisse Kerne erzeugt. Dazu müssen dann Kerne charakterisiert werden. Ein elementarer Algorithmus zur Lösung des dualen Problems schließt dieses Kapitel ab.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2024 Der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature
About this chapter
Cite this chapter
Engel, K. (2024). Support-Vektor-Maschinen. In: Mathematische Grundlagen des überwachten maschinellen Lernens. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-68134-3_5
Download citation
DOI: https://doi.org/10.1007/978-3-662-68134-3_5
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-68133-6
Online ISBN: 978-3-662-68134-3
eBook Packages: Life Science and Basic Disciplines (German Language)