SVM的学习笔记
一、基本参数。
1. 训练集合 {(x1,y1), (x2,y2), (x3,y3), (x4,y4), (x5,y5),…………. (xn,yn)}
输入值: xi = {xi1, xi2, xi3, xi4, xi5……. x1n}
输出值: yi ∈ {1,-1}
2. 构建分类器: f(x)=<w·x>+b
大于0时: yi=1 小于0时:yi=-1
权重向量:w = { w1, w2, w3, w4, w5……. wn }
偏置:b
点积:w·x
本质:支持向量机是在找一个超平面(决策面):<w·x>+b=0
将输入空间分为两个空间:正、负。
问题:①有无数条线都可以分割正例和负例。应该选择哪条线?图1
②超平面分类器只适用于正例和负例可以线性分割的情况,如何处理线性不可分的情况?或者需要非线性的决策边界?
这些问题下面会做出解答。
二、线性支持向量机:可分的情况。
分割超平面:<w·x>+b=