Super margin是一种支持向量机（SVM）的改进算法，它通过在数据样本中引入一个间隔（margin）来提高分类的准确性。
Super margin的计算方法如下：
1. 对于每个数据样本，计算其到两个类别边界的距离，即到该样本所属的类别以及与之相距最近的类别。
2. 计算这两个类别之间的间隔（margin），即两个类别边界之间的距离减去一个正则化参数ξ（regularization parameter）。
3. 将这个间隔乘以一个缩放因子c（scaling factor），得到该样本的支持向量值。
4. 将所有样本的支持向量值相加，得到整个数据集的支持向量值总和。
5. 最后，将支持向量值总和除以训练样本数量n，得到平均支持向量值，即super margin。
通过引入正则化参数ξ和缩放因子c，super margin可以控制模型的复杂度和鲁棒性，从而提高分类的准确性。
在常用的正则化计算方法中 属于

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。