读书笔记 机器学习-周志华 第六章 支持向量机

读书笔记 机器学习-周志华 第六章 支持向量机

6.1 间隔与支持向量机

在这里插入图片描述任意点到超平面距离 r = ∣ w T x + b ∣ ∣ ∣ w ∣ ∣ r=\frac{|w^Tx+b|}{||w||} r=wwTx+b

两个异类向量到超平面之间的距离之和 γ = 2 ∣ ∣ w ∣ ∣ \gamma = \frac{2}{||w||} γ=w2,称为“间隔”(margin)。

欲找到最大间隔划分平面,即最大化 ∣ ∣ w ∣ ∣ − 1 ||w||^{-1} w1,等价于最小化 ∣ ∣ w ∣ ∣ 2 ||w||^2 w2,这就是支持向量机(Support Vector Machine, SVM)的基本型。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值