机器学习(3)：支持向量机（SVM）

时间：2017-03-04 15:30:48 阅读：219 评论：0 收藏：0 [点我收藏+]

1. 背景：

1.1 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出

1.2 目前的版本(soft margin)是由Corinna Cortes 和 Vapnik在1993年提出，并在1995年发表

1.3 深度学习（2012）出现之前，SVM被认为机器学习中近十几年来最成功，表现最好的算法

2. 机器学习的一般框架：

训练集 => 提取特征向量 => 结合一定的算法（分类器：比如决策树，KNN）=>得到结果

总共可以有多少个可能的超平面？无数条

如何选取使边际(margin)最大的超平面 (Max Margin Hyperplane)？

超平面到一侧最近点的距离等于到另一侧最近点的距离，两侧的两个超平面平行

3. 线性可区分(linear separable) 和线性不可区分（linear inseparable)

4. 定义与公式建立

超平面可以定义为：WX+b

W: 权重 , n是特征值的个数

X: 训练实例

b: bias

5. 求解：

6. 实例：

机器学习(3)：支持向量机（SVM）

原文地址：http://www.cnblogs.com/Allen-rg/p/6501403.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

周排行