- 简介
支持向量机是一种经典的二分类模型,基本模型定义为特征空间中最大间隔的线性分类器,其学习的优化目标便是间隔最大化,因此支持向量机本身可以转化为一个凸二次规划求解的问题。
2. 最大间隔与支持向量
函数间隔不适合用来最大化间隔,因此这里我们要找的最大间隔指的是几何间隔,于是最大间隔分类器的目标函数定义为:

一般地,我们令r^为1(这样做的目的是为了方便推导和目标函数的优化),从而上述目标函数转化为:

对于y(w’x+b)=1的数据点,即右图中位于w’x+b=1或w’x+b=-1上的数据点,我们称之为支持向量(support vector),易知:对于所有的支持向量,它们恰好满足y*(w’x*+b)=1,而所有不是支持向量的点,有y*(w’x*+b)>1。

3. 对偶问题
对于上述得到的目标函数,求1/||w||的最大值相当于求||w||^2的最小值,因此很容易将原来的目标函数转化为:
即变为了一个带

本文介绍了支持向量机的基本原理,包括最大间隔、支持向量的概念,并探讨了将其转化为对偶问题进行优化的方法。此外,还提到了支持向量机在优化领域的广泛应用以及与支持张量机的相关性。
最低0.47元/天 解锁文章
1544

被折叠的 条评论
为什么被折叠?



