支持向量机公式(1)------机器学习

Lavender-csdn

于 2020-03-10 15:51:35 发布

阅读量1.2k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习数据挖掘

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/kidchildcsdn/article/details/104774832

支持向量机是一种机器学习算法，旨在找到一个能最大化类别间间隔的划分超平面。本文介绍了如何计算样本点到超平面的距离，以及支持向量的概念，即距离超平面最近的样本点。通过最大化两个异类支持向量的间隔，SVM寻求最优分类边界，其目标是最小化损失函数，确保分类正确并最大化间隔。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

间隔与支持向量

给定训练样本集 $D=\{(\textbf{x}_1,y_1),(\textbf{x}_2,y_2),...,(\textbf{x}_m,y_m))\}$ ， $y_i\in \{-1,+1\}$ ，这里一定记住只有两类：-1和+1，并非0/1类。分类学习最基本的想法就是基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开。

以上是以二维平面为例，可以看到有很多个超平面将两类数据分开，那我们应该去找哪一个呢？？？直观的看，找最中间的划分超平面，其受数据扰动比如异常数据的“容忍性”最强，泛化能力最大。知道找哪一个，那应该如何找到？

最低0.47元/天解锁文章

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

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。