機器學習-超平面

一、超平面是什麼?

維基百科的定義:

In geometry a hyperplane is a subspace of one dimension less than its ambient space.

翻譯過來:在幾何中,超平面指的是比所處空間少一個維度的子空間。

什麼鬼,能不能說人話?

莫急,接著看。

我們都知道,0維的點可以把1維的線分成兩部分:

機器學習-超平面

1維的線可以把2維的面分成兩部分:

機器學習-超平面

2維的面可以把3維的體分成兩部分:

機器學習-超平面

依此類推,n-1維的子空間可以把n維空間分成兩部分。

所以,超平面就是這個n-1維子空間,它就像3維空間中的平面,可以用來分割n維空間。

二、為什麼叫超平面?

沒有查到“超平面”名字的來源,以下純屬個人猜測,如果有誤,歡迎指正。

我們生活在3維空間,並把2維空間起名為“平面”,用來分割3維空間。

對於更高維的空間n,既然可以被n-1維的空間進行分割,類似於三維空間的平面,而我們又沒辦法想象它的樣子,也不好一一命名,不妨乾脆就叫“超平面”,既簡單,也比較直觀,方便理解。

所以,這個超的含義,更多的應該是高維。

三、超平面的公式

對於一個n維空間,超平面應該如何表示?

設x0為超平面上的點,ω為超平面的法向量。對於超平面上任何一點x,有:

機器學習-超平面

令:

機器學習-超平面

則有:

機器學習-超平面

這就是超平面的公式。

四、點到超平面的距離

設n維空間中超平面的方程為:

機器學習-超平面

其中ω為法向量,Q為平面上的點。

對於空間中的任一點P,到超平面的距離為PQ在ω上的投影d,如下圖所示:

機器學習-超平面

由三角函數關係知:

機器學習-超平面


分享到:


相關文章: