【阅读思考记录】支持向量,支持向量机(SVM)与支持向量回归(SVR)(西瓜书第6章一)

本文介绍了支持向量机(SVM)的基本思想,包括在两类线性可分和不可分情况下的超平面选择。SVM旨在找到使支持向量尽可能远离超平面的分类边界。同时,文章简述了支持向量回归(SVR)的概念,它是SVM在回归问题中的应用,通过允许误差存在并控制常数C来调整分类错误的容忍度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言:

{

    最近很久没跟新了,本来想好好休息一段时间,但我还是放不下当前的学习任务,所以就继续看起了西瓜书[1]。

    很久以前我就见到过支持向量机的相关内容,不过从来都没有仔细琢磨,只知道这是一种分类方法。不看不知道,看了后才发现其中涉及很多数学知识(高数里没涉及到的数学知识),我感觉这值得单独开几期。

}

 

正文:

{

    支持向量与支持向量机SVM):

    {

        其实支持向量机的原理不算太复杂(复杂的是优化求解)。

        假设在特征空间中有两类若干的特征向量,如何设计一个最好的超平面来划分这些特征向量?支持向量机给出的思想是:

        (1)在两类向量线性可分的情况下,划分这些向量为两类的超平面应当使得这些向量尽可能地远离此超平面,所谓的尽可能地远离指的是离此超平面最近的向量尽可能远离此超平面,因此此超平面应该在两类向量中互相最接近的向量(这些向量即为支持向量)的中间(见书中图6.2)。

       

  

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值