SVM的分类

将自己学习的SVM不同分类的流程总结一下

SVM的分类

1. 线性可分支持向量机 硬间隔最大化
2. 线性支持向量机 软间隔最大化
3. 非线性支持向量机 升维（核函数）

线性可分svm总结

1. 原始目标： 求得一组 w和b 使得分隔margin最大
2. 转换目标： 通过拉格朗日函数构造目标函数，问题由求得 n个w 和 1个b转换为求得 m个α
   
   
3. 利用smo 算法求得 m个α*
4. 利用求得的m个α求得 w和 b*

线性svm总结

1.设定惩罚系数 C，构造优化问题

2.用SMO 算法求出α*
3.计算

4.找到全部的支持向量，计算出

5.计算所有的 的平均值得到最终的

非线性svm总结

1. 选择某个核函数及其对应的超参数
2. 选择惩罚系数C
3. 构造最优化问题
   
4. 利用SMO 算法求解出一组α*
5. 根据α计算w
6. 根据α找到全部支持向量，计算每个支持向量对应的bs
7. 对bs求均值得到最后的 b，学得的超平面为：