MOOC上的《机器学习》课程已经更新完毕了,通过这一系列的课程,使我对机器学习有了一定的了解。这门课真的很精彩,在此再次感谢Andrew Ng教授的付出。
本篇博客将谈一下我对支持向量机(SVM)的理解,相比于逻辑回归,支持向量机是一种更强大的二类分类模型,并且有着广泛的应用。
本文多处公式都将借用Andrew Ng教授授课的PPT,并参考李航博士的《统计学习方法》一书。
转载请注明出处:http://blog.csdn.net/u010278305
支持向量机(SVM)是一种二类分类模型,它能使分类间隔最大化,并且还包括核技巧,这些特点都使它成为一个强大的分类器。本文在叙述的过程中,主要给出支持向量机(SVM)的思路,并从工程的角度给出使用方法,如果你对背后的数学原理感兴趣,请自行查阅相关资料,文中如有理解不当的地方,欢迎批评指正。
支持向量机可以从逻辑回归引申得来,对于逻辑回归,有下图:
逻辑回归利用误分类最小的策略求得分离超平面,不过这时的解是有无穷多个