支持向量机就是找到一条直线,让两边的点与它的距离是最大的
只想两边的点为y=1和y=-1
然后就可以列出到直线的距离了
看分子的正负就可以区分点在直线的哪一边了
上面的表示为函数间隔 下面表示为函数范数
然后我们找到间隔最小的那些点,让最终直线距离他们最大
距离直线最近的点范数分之一就是我们需要优化的目标
优化计算过程中只和最近的点相关,这些样本也被称为支持向量
上面的推导过程看一下就好了,本博猪是一点都不理解,希望能早日和up一样牛
根据拉格拉日乘子法可以得到优化的对偶问题
通过升维的方法可以讲点区分为两个不同的区间,这个叫做非线性支持向量机
函数k就是变换之后两个样本点积的结果,称为核函数
小结: