我正在编写 SVM Primal 代码，它使用 SGD(随机次梯度下降)来优化向量 W。
分类方法为sign(w*x + Bias)。
我的问题是如何找到最好的偏差？
我想这一定是在W优化期间做的，但是怎么做呢？我不知道。
最佳答案
你的假设是sign(<w, x> + b) ，想一想x' = [x 1] ，那么你可以将你的假设表达为 sign(<w', x'>) ，其中w' = [w b] 。我希望它清楚地表明b与 w 没有任何不同的(唯一的区别是您的正则化项 ||w||^2 不涉及 b )。因此你只需要 d L/ d b哪里L是你的损失函数。
关于machine-learning - 机器学习-SVM-计算向量W时如何计算偏差？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35244320/