码迷,mamicode.com
首页 > 其他好文 > 详细

支持向量机(SVM)之数学公式详细推导

时间:2019-03-30 17:20:50      阅读:192      评论:0      收藏:0      [点我收藏+]

标签:公式   分类   技术   最大化   形式   ima   引入   定义   数学推导   

一、【概述】

1、含义:

支持向量机(support vector machine,SVM)是一种二类分类器,它的基本模型是定义在特征空间上的间隔最大化的线性分类器,通过引入核函数,也可以作为非线性分类器来解决非线性数据集的分类问题。

2、求解:

支持向量机的学习策略是间隔最大化,可转化为一个求解凸二次规划的问题。

3、模型:

支持向量机模型从简单到复杂可分为:线性可分支持向量机、线性支持向量机和非线性支持向量机。

线性可分支持向量机:训练数据线性可分,通过硬间隔最大化,学习一个线性分类器;

线性支持向量机:训练数据近似线性可分,通过软间隔最大化,学习一个线性分类器;

非线性支持向量机:训练数据线性不可分,通过使用核技巧(kernel trick)及软间隔最大化,学习一个非线性分类器。

本次数学推导就是推导以上三个模型,不涉及SMO算法的推导。考虑到公式比较多,所以是用手写笔记的形式进行整理。

二、【数学推导】

技术图片

支持向量机(SVM)之数学公式详细推导

标签:公式   分类   技术   最大化   形式   ima   引入   定义   数学推导   

原文地址:https://www.cnblogs.com/Luv-GEM/p/10628046.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!