本文深入探讨了线性支持向量机(SVM)的基本原理，包括最大间隔、支持向量条件、边界最大化等概念，并详细解释了如何通过数学转换将原始问题转化为易于求解的形式。此外还介绍了拉格朗日对偶法的应用。
线性SVM
最大间隔：所有训练样例距离分界超平面的距离取最小值，最大化最小值即可获得最胖分界面
支持向量条件
- max margin ：边界最大化
- yn（wx+b）>0 同号同侧，表明分类正确（硬间隔）
- margin边界取全部样本距离最小值
转化最优，另min （y（wx+b））= 1，，边界最大化转化为max（1/w）,同时可转化为min（w*w/2）
- 限制转为无限制
存在1-y（wx+b）>0，max最大化直接爆炸为无限大，从而保证全部1-y（wx+b）小于0，当1-y（wx+b）全部小于0时，max最大化使得全部@取值为0，问题退化为原先最大化w*w/2
拉格朗日对偶
svm问题转化:极限点偏导数为0
扫一扫
1339
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
