跳至內容

決策邊界

維基百科,自由的百科全書

決策邊界決策面(decision surface)是統計分類問題中的一個超曲面,把向量空間(作為特徵空間)劃分為兩個集合,分別對應兩個分類。[1]

如果決策面是超平面,那麼這個分類問題是線性的,分類是線性可分英語linearly separable的。

神經網絡與支持向量機

[編輯]

人工神經網絡感知器反向傳播算法,網絡可學到的決策邊界的類型由隱含層數決定。

如果沒有隱含層,那麼只能學習線性問題。如有一個隱含層,使用萬能逼近定理英語Universal approximation theorem可學到Rn緊子集的任何連續函數,因此可學到任意的分類邊界。

支持向量機 能找到一個超平面,把特徵空間分為具有最大間隔英語maximum-margin hyperplane的2個類。如果問題在最初不是線性可分的,通過核方法把它映射到高維空間變為線性可分。

神經網絡通過分類邊界學習來極小化經驗誤差(empirical error)。支持向量機 通過分類邊界學習來極大化經驗間隔(maximizes the empirical margin)。

參考文獻

[編輯]
  1. ^ 存档副本 (PDF). [2019-04-01]. (原始內容 (PDF)存檔於2016-03-28).