使用Liblinear的Pecuiliar输出
使用Liblinear的Pecuiliar输出
提问于 2013-05-13 12:34:48
我正面临着一个非常特殊的关于lib线性包的问题。我有两个级别(+1，-1)。假设我只有一个特征，它接受n个点的值$x_1$，$x_2$，...，$x_n$。它进行了很好的分类，例如，给出了一些正的权重$w*$和成本C。现在，如果我将$1$堆叠到前一个特征上，生成一个新的特征向量1 x_i i=1，2，...，n；现在这个新问题lib-i=1给出了以下结果:一个权重向量w_1 -w_2；w_i>0，即权重到1是w_1，到x是w_2。成本C1比以前的成本C大得多。
我知道新特征(1)在整个过程中没有变化，因此它的权重应该自动为零。
这是一个最小化问题，所以它应该给出w_1~0，这样现在成本C1至多等于C。
有人能帮上忙吗？
回答 1
Stack Overflow用户
发布于 2013-05-13 19:48:30
由于您有一个恒定的输入维度，因此它在决策函数中的贡献也将是恒定的。LIBLINEAR的决策函数是
f(x)=sign(w^T*x-rho)我的猜测是，您的新模型通过rho修正了额外的项(由于非零w_1)。但是，我不能说我有一个好主意来解释为什么w_1没有最小化到零。两个模型的预测是否相等？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16514918
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号