（八）SVM

标签：

文章结构

一、引言

二、 二分类

　　线性可分

　　2）处理数据中的outliers

　　3）非线性可分，核函数

　　4）SVM的另一种解释Hinge Loss

三、多分类

1. Introduction

支持向量机（Support Vector Machine，SVM）是定义在特征空间中的最大间隔线性分类器，对于非线性可分的数据，SVM引入核方法（kernel trick）使它实质上成为非线性分类器，支持向量机的核心就是求解间隔最大的分类平面，可以转化为一个求解凸二次规划的问题，也可用Hinge Loss来求解.

2.二分类

 2.1 线性可分SVM

　　给定数据{x_{1},x_{2},...,x_{N}},x_{i}\in R^{^{n}}

（八）SVM

标签：

原文地址：http://www.cnblogs.com/ooon/p/5539687.html