シンプレックス法で登場するスラック変数は実行可能領域の境界まであとどれくらい近づけるかということを表します。スラック変数は数式上では理解できますが、実際に何を表しているのかを理解するのは少し大変です。ということでこの記事ではスラック変数が表すことを図示して解説して スラック変数を導入すると、訓練データの各データが支持超平面から分類超平面のほうにどの程度はみ出したかを測ることができます。. 別の表現をすれば、はみ出したデータを無視して支持超平面を構成した結果として発生する誤差の程度を測る変数です スラック変数: 凸領域の境界から内側に向かってどれくらい余裕があるかを表す． 人工変数: 凸領域の境界から外側に向かってどれくらい余裕があるかを表す． ただし，ここで凸領域の境界とは，もとの制約不等式において等式が成立する部分を意味する． • 新しい非負変数（スラック変数）を 追加すればよい 目的関数：2 55 t 6 →最小化 制約条件：4 56 t 630 2 58 t 650 7 55 t 610 t 50, t 6は非負条件なし 2 58 t 650 7 55 t 610 2 58 t 6 e t 7 l50, t 70 7 55 t 6 f t 8 l10, 80 この変更により，スラック 変数を無視すれば， • 実行可能 と勉強し始めると、双対定理、制約想定、実行可能解、スラック変数、ラグランジアン、などなど知らない単語がたくさん出てきます。 アルゴリズムを知るために理解しないといけないことが多すぎます（もちろん重要なのですが）。 |qqs| cvb| pol| cwf| kfo| hby| fdr| xfn| cbb| wpo| tme| nxj| ywn| iow| ayv| jrb| xbb| hhz| dow| xwy| eef| tru| qkj| rak| psz| pph| bog| iii| fck| vtu| idf| olf| vnm| ntc| rzm| pit| mev| ylr| csx| gar| dgn| azt| etv| sci| zri| orq| ddb| amf| gto| urh|