本文深入探讨了支持向量机(SVM)中的向量概念，包括向量的大小、方向、加减、点积和正交投影。接着讲解了SVM超平面的数学原理，解释了超平面方程、点到超平面距离的计算以及边距的概念，为寻找最佳超平面奠定了基础。
一、支持向量机中的向量
在第一部分中，我们看到了 SVM 的目标是什么。它的目标是找到最大化边距的超平面。我们还知道首先需要找到边距。
我们需要先了解以下问题，如果已经了解，就跳过。
什么是向量？范数、方向、加减向量、点积、点积、向量正交投影等？
我们在这里会对这些概念进行简单说明，如果想详细了解，请查看下面的专栏。
机器学习和线性代数_bashendixie5的博客-优快云博客机器学习笔记 - 深度学习的预处理和图像白化,机器学习笔记 - 主成分分析中的数学,机器学习笔记 - 行列式,标量,向量,矩阵
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
