SVM

Posted ooon

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。

文章结构

一、引言

二、 二分类

  线性可分

  2)处理数据中的outliers

  3)非线性可分,核函数

  4)SVM的另一种解释Hinge Loss

三、多分类

1. Introduction

支持向量机(Support Vector Machine,SVM)是定义在特征空间中的最大间隔线性分类器,对于非线性可分的数据,SVM引入核方法(kernel trick)使它实质上成为非线性分类器,支持向量机的核心就是求解间隔最大的分类平面,可以转化为一个求解凸二次规划的问题,也可用Hinge Loss来求解.

2.二分类

 2.1 线性可分SVM

  给定数据{x_{1},x_{2},...,x_{N}},x_{i}\in R^{^{n}}

  

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