机器学习笔记 - 支持向量机(SVM)背后的数学三

坐望云起

于 2022-05-03 07:30:00 发布

阅读量363

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习从入门到精通文章标签：支持向量机算法机器学习最小范数无约束的最小化问题

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/124491899

深度学习从入门到精通专栏收录该内容

797 篇文章 ¥99.90 ¥299.90

订阅专栏

本文详细介绍了支持向量机（SVM）中如何找到最优超平面，主要涉及最大边距的概念，数据集准备，以及如何通过约束条件和最小化范数来确定最大边距的超平面。内容涵盖了二维和高维数据的线性可分情况，以及优化问题的引入。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、如何找到最优超平面？

在上一篇结束时，我们计算了点 A 和超平面之间的距离 $\left \| P \right \|$ 。然后我们得到了 $margin = \left \| P \right \|$ 。然而，即使它在分离数据方面做得很好，它也不是最优的超平面。

在下图1中，我们可以看到边距M1，由两条蓝线分隔，但并不是完全分隔数据的最大边距。最大的margin是M2如图2所示。

图1

了解本专栏

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

坐望云起 如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。