机器学习-支持向量机原理
-
支持向量机做为传统二分类分类器,其能处理线性可分数据,也能处理线性不可分数据(利用核函数),是一种非常重要和受欢迎的分类算法.
-
支持向量机的决策边界可以做个形象的定义
-
决策边界：选出来离雷区最远的（雷区就是边界上的点，要Large Margin）
-
-
对于目标函数的计算问题 可以转换为距离的计算问题
-
-
决策方程的定义
-
-
优化的目的: 同一个点 也许都是最近点 但是 决策边界可以 变化 也就是间隙 会有所不同 最求最大雷区间距
-
-
目标函数 由求极大问题 转换为求极小
-
-
因为是带约束条件的求最小值问题 所以引入拉格朗日乘子法
-
-
计算过程如下
-
-
-
-
-
-
求解实例
-
-
-
-
-
再支持向量机种 发挥作用的是 阿尔法不为0的样本点 即为支持向量
-
-
-
C是我们控制的参数
-
-
低维不可分映射到高维空间
-
-
简单计算实例
-