Professional Documents
Culture Documents
SVM, Adaboost
SVM, Adaboost
SVM, Adaboost
1
minimize (1)
kwk2
s.t. : yi (w · xi + b) ≥ 1, i ∈ {1, ..., N } (2)
Duálnı́ úloha:
N
X
maximize L(h) = hi − 0.5 · h · D · h (3)
i=1
s.t. : h · y = 0 (4)
h≥0 (5)
N
1 X
minimize + C σi (6)
kwk2 i=1
s.t. : yi (w · xi + b) ≥ 1 − σi , i ∈ {1, ..., N } (7)
σi ≥ 0, i ∈ {1, ..., N } (8)
a duálnı́:
N
X
maximize L(h) = hi − 0.5 · h · D · h (9)
i=1
s.t. : h · y = 0 (10)
0≤h≤C (11)
Shrnutı́ v Figure 1.
1
Figure 1: SVM shrnutı́
N
X
maximize L(h) = hi − 0.5 · h · D · h (12)
i=1
s.t. : h · y = 0 (13)
0≤h≤C (14)
D = yi yj K(xi , xj ) (15)
2
Figure 2: Nonlinear SVM example
3
Figure 4: Shrnutı́ SVM
4
2 Adaboost
Úvod k algoritmu v 5, popis algoritmu v Figure 6 a výhody a nevýhody v Figure
7.
5
Figure 6: Shrnutı́ adaboostu