Lineares Modell als Grundlage
In Mehrdimensionalen Räumen können beispielsweisen Ebenen verwendet werden
Skalarprodukt
Bei der Norm wird von einem Vektor das Skalarprodukt mit sich selbst gebildet -> Satz des Pythagoras
Distanz zwischen zwei Vektoren
Daten im Raum R^d trennen
Stützvektor und Normalenvektor
Normalenvektor liegt senkrecht zu der Gerade g. Das Skalarprodukt mit dem Vektor der Gerade und dem Normalenvektor ist 0.
Stützvektor verschiebt die Gerade, damit sie nicht immer durch die 0 geht.
Man setze diesen in die Geradengleichung an und bekommt dann den Wert raus, für die Geradengleichung, in diesem Fall 6, nun lässt sich diese Formal beschreiben. Es geht immer um den Schnittpunkt mit der x-Achse
Hyperebene
Geradengleichung und deren Verschiebung
Parametrisierung unseres Modells
Ziel des Trainieren
Einfaches lineares Modell
Nachteile
Ausreißer verzerren den Mittelpunkt und damit die Gerade stark
Probleme des Linearen Verfahren
Grenzpunkte und lineare Korridore
Optimierungsproblem
Ausnahme in den Daten - Strafpunkte
Nicht lineare Trennbarkeit
Kernel-Trick
Arten von Kernel Funktionen
Funktion: Polynomkern
Die Rolle der Parameter in der Kernel Funktion
RBF-Funktion
Zuletzt geändertvor 13 Tagen
