Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

164 | Capítulo 5: Máquinas de Vetores de Suporte

Você pode verificar facilmente que, se você definir os parâmetros QP da maneira a seguir,

obterá o objetivo do classificador SVM linear com margem rígida:

• n

p

= n + 1, sendo que n é o número de características (o +1 é para o termo de

polarização);

• n

c

= m, sendo que m é o número de instâncias de treinamento;

• H é a matriz de identidade n

p

× n

p

, exceto com um zero na célula acima à

esquerda (para ignorar o termo de polarização);

• f = 0, um vetor n

p

-dimensional cheio de 0s;

• b = 1, um vetor n

c

-dimensional cheio de 1s;

• a

(i)

= –t

(i)

x

˙

(i)

sendo que x

˙

(i)

é igual a x

(i)

com uma car ...