函数间隔与几何间隔

函数间隔 functional margin

对于给定的训练数据集T和超平面(w, b), 定义超平面(w, b)关于样本(xi,yi)(x_i, y_i)的函数间隔为:

γ^i=yi(wxi+b)\hat \gamma_i = y_i(w \cdot x_i + b)

定义超平面(w, b)关于样本数据集T的函数间隔为:

γ^=mini=1,,Nγ^i\hat \gamma = \min_{i=1,\cdots,N}\hat \gamma_i

即所有γ^i\hat \gamma_i的最小值。

几何间隔 geometric margin

对于给定的训练数据集T和超平面(w, b), 定义超平面(w, b)关于样本(xi,yi)(x_i, y_i)的几何间隔为:

γi=yi(wwxi+bw)\gamma_i = y_i(\frac {w}{||w||} \cdot x_i + \frac{b}{||w||})

定义超平面(w, b)关于样本数据集T的函数间隔为:

γ=mini=1,,Nγ^i\gamma = \min_{i=1,\cdots,N}\hat \gamma_i

即所有γi\gamma_i的最小值。

函数间隔 VS 几何间隔

函数间隔的作用:表示分类预测的正确性的准确度。 函数间隔的缺点:当w和b成比例改变时,超平面没有改变,但函数间隔改变了。 函数间隔的改进:几何间隔

几何间隔的特点:当w和b成比例改变时,几何间隔不会改变。

函数间隔与几何间隔的关系:

几何间隔γ=函数间隔γ^w\text{几何间隔}\gamma = \frac {\text{函数间隔} \hat \gamma}{||w||}

当||w||=1时,函数距离 = 几何距离

Last updated