本文深入探讨了支持向量机的基本概念及其应用，特别关注了平凡训练集、不适定问题和线性回归问题。通过最小二乘法的简单求解过程，清晰阐述了如何在给定标记的训练点集中找到最佳拟合线性函数。
《支持向量机导论》学习笔记C2
1、平凡的
如果所有的样例的标记相同，则训练集是平凡的。
2、不适定的 (underconstrained)
一个问题有若干个不同的解存在。
3、线性回归问题
线性回归问题就是求线性函数：f(x) = <w.x> + b
使其能够最好的拟合一个给定标记为Y属于R的训练点集，如下图
典型的解就是最小二乘法。
4、最小二乘法的简单求解过程
P32 2.2.1
【SVM学习笔记】支持向量机学习2
扫一扫
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
