SVM

Posted yinghuali

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了SVM相关的知识,希望对你有一定的参考价值。

 

决策边界支持向量机其实就是点集(正负类离超平面最近的点集)

技术分享图片

 

算法思想:1)求数据集到超平面间隔最小值
               2)最小间隔最大化

点到超平面距离:

技术分享图片

决策方程:

技术分享图片

优化目标:

技术分享图片

放缩变换:

技术分享图片

优化目标变为:

技术分享图片

求解过程:

技术分享图片

技术分享图片

技术分享图片

求解实例:

技术分享图片

低维度不可分解决办法利用核函数将低纬数据映射到高纬度,超平面划分

技术分享图片

低纬映射高纬例子:

技术分享图片

核函数有哪些?

技术分享图片

 

 

转载本博笔记须在文章明显处注明原文的链接和作者信息  

 


以上是关于SVM的主要内容,如果未能解决你的问题,请参考以下文章

svm原理之svm分类超平面

支持向量机SVM

SVM-支持向量机线性SVM分类

理解SVM——入门SVM和代码实现

SVM→8.SVM实战→3.调节SVM参数

SVM 支持向量机