支持向量机

概述
现在有一个二维平面,平面上有两类线性可分的数据,所以可以用一条直线将它们分开,这条直线就相当于一个超平面,超平面一边的数据全为1,另一边的数据全为-1。
机器学习-支持向量机(Support Vector Machine, SVM)
原理
如何找到最优的分割超平面使得间隔最大化?

  • 最优的分割超平面
  • 间隔最大化

函数间隔
若w成倍增加,虽然超平面不变,但函数间隔也成倍增加机器学习-支持向量机(Support Vector Machine, SVM)
几何间隔机器学习-支持向量机(Support Vector Machine, SVM)机器学习-支持向量机(Support Vector Machine, SVM)
从线性可分到非线性可分
机器学习-支持向量机(Support Vector Machine, SVM)
拉格朗日函数
机器学习-支持向量机(Support Vector Machine, SVM)
机器学习-支持向量机(Support Vector Machine, SVM)
机器学习-支持向量机(Support Vector Machine, SVM)
KKT条件问题
KKT条件问题

对偶问题的求解
机器学习-支持向量机(Support Vector Machine, SVM)
核函数Kernel
机器学习-支持向量机(Support Vector Machine, SVM)
机器学习-支持向量机(Support Vector Machine, SVM)
机器学习-支持向量机(Support Vector Machine, SVM)

相关文章:

  • 2021-06-20
  • 2021-10-19
  • 2021-12-29
  • 2021-10-14
  • 2021-09-22
  • 2021-12-29
  • 2021-06-24
  • 2021-05-17
猜你喜欢
  • 2021-04-11
  • 2021-09-21
  • 2021-12-17
  • 2021-10-14
  • 2021-11-05
  • 2021-07-23
  • 2022-12-23
相关资源
相似解决方案