第6章:支持向量机

间隔与支持向量


w为法向量,决定的是超平面的方向。b是偏移项,决定了超平面与原点之间的距离。

为什么最大化间隔,得到的就是最优平面呢?

  • 当超平面没有正确划分正负样本时,几何间隔为负数。
  • 几何间隔,各个点中最小的,当正确划分时,越靠近正中间,几何间隔越大。

求解分类支持向量机

凸优化

拉格朗日对偶



KKT条件

求解




SMO


唯一不确定的地方:

核函数






软间隔与正则化

在现实任务中,很难确定合适的核函数使得训练样本在特征空间中线性可分,即使找到了也很难断定这个结果是不是过拟合造成的。
如何缓解?--软间隔



支持向量回归





相关推荐
吃不饱的得可可3 分钟前
【算法】单词搜索、最短距离
算法·深度优先
ricky_fan33 分钟前
LeetCode:55.跳跃游戏——局部最优并非全局最优!
算法·leetcode·游戏
小森776736 分钟前
(六)机器学习---聚类与K-means
人工智能·机器学习·数据挖掘·scikit-learn·kmeans·聚类
一只码代码的章鱼39 分钟前
学习笔记(算法学习+Maven)
笔记·学习·算法
keep intensify1 小时前
数据结构---单链表的增删查改
c语言·数据结构·c++·经验分享·学习·算法·分享
opple662 小时前
力扣-数据结构-二叉树
数据结构·算法·leetcode
FL16238631292 小时前
水污染检测数据集VOC+YOLO格式2487张4类别
深度学习·yolo·机器学习
学点技术儿2 小时前
PyTorch中四种并行策略的详细介绍
机器学习
import_random2 小时前
[社交网络]布局算法(可视化)
算法
地平线开发者3 小时前
C++ 部署的性能优化方法
c++·算法·自动驾驶