支持向量机

基本目标

SVM 的目标是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。

理想超平面的特点

对训练样本的**局部扰动**具有最好的"容忍性",即泛化能力强。

优化目标

最大化间隔(margin),即寻找一个使两类样本到超平面距离最大的超平面。

支持向量

指的是那些**距离超平面最近**的样本点,它们决定了超平面的位置和方向。

超平面的数学表示

超平面是 \(n\) 维空间中的一个 \(n-1\) 维子空间。

例如:

三维空间中的超平面是二维平面;

二维空间中的超平面是一维直线。

可以用线性方程表示:\(\mathbf{w} \cdot \mathbf{x} + b = 0\)。

SVM 的优化问题

通过数学优化(如拉格朗日乘子法)求解最优 \(\mathbf{w}\) 和 \(b\),以最大化间隔。

相关推荐
用户4822137167753 小时前
深度学习——卷积神经网络
算法
DashingGuy3 小时前
算法(keep learning)
java·数据结构·算法
兔兔西3 小时前
【数据结构、java学习】数组(Array)
java·数据结构·算法
007php0073 小时前
Go语言面试:传值与传引用的区别及选择指南
java·开发语言·后端·算法·面试·golang·xcode
小徐不徐说3 小时前
数据结构基础之队列:数组/链表
c语言·数据结构·算法·链表·面试
小王爱学人工智能3 小时前
迁移学习的案例
人工智能·机器学习·迁移学习
Honeysea_703 小时前
容器的定义及工作原理
人工智能·深度学习·机器学习·docker·ai·持续部署
fantasy_arch3 小时前
SVT-AV1 svt_aom_motion_estimation_kernel 函数分析
人工智能·算法·av1
一只鱼丸yo3 小时前
70B大模型也能在笔记本上跑?揭秘让AI“瘦身”的黑科技
人工智能·科技·机器学习·语言模型