(转载请注明出处:http://blog.csdn.net/buptgshengod)
1.背景
强烈推荐阅读(http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982639.html)
支持向量机SVM(support vector machines)。SVM是一种二值分类器,是近些年比较流行的一种分类算法。
本文,首先要介绍一些基本的知识概念,在下一章将对SVM进行简单地代码实现。
2.基本概念
(1)线性可分
首先介绍一下什么叫线性可分,引用一张上一节的图。线性可分实际上就是可以用一条直线将两种不同的点区分开来。由此我们可以得到线性不可分就是两种点混合在一起不能区分。但是线性不可分的点其实也可以用数学方法区分开来。比如说一个四维的数据集我们可以用一个三维的对象将其分开,这个对象叫做超平面。下图的超平面就是那条蓝线。
(2)支持向量
支持向量,现在我们知道了超平面的概念,支持向量其实就是距离超平面在最近的向量。以上图为例,就是距离蓝线最近的那些点。方法就是点到线的距离判定。一旦我们找到了这些支持向量,那么我们就可以放大这些向量,只考虑这些对象,用到的是序列最小优化的思想。
(3)拉格朗日乘子法
对于支持向量的求法,我们需要一定的约束条件。比如说我们设点到超平面的距离是d,我们要求取d>1的点作为约束条件。因为如果没有这个约束条件会使得计算出现误差。
(4)变型
参照拉格朗日公式F(x1,x2,...λ)=f(x1,x2,...)-λg(x1,x2...)。我们把上面的式子变型为
约束条件就变成了
上式的参数c使松弛变量,因为我们看到图中一些红点被分到了绿点的范围里,为了考虑到这种问题,引入一个变量来控制。svm的主要任务是计算参数C。