SVM公式推导

一 前言 

         最近在学习周志华老师的机器学习这本书，对于新人来说是本入门的好书，不过本人看起来还是有些吃力。这几天在看支持向量机这一章，看过几遍之后再结合网上各路大牛的博客才最终看懂，因此来总结一下。附July大神链接，介绍的比较详细https://blog.csdn.net/v_july_v/article/details/7624837。

二 SVM简介

    SVM是一种经典的分类算法，基本上是最好的有监督学习算法了。

    SVM的原理很简单，即VC维（模型复杂度）和最小化结构风险。

    分类学习最基本的想法就是基于训练集，在样本空间中找到一个划分超平面，将不同类别样本分开。

三 公式推导

由于先前做了PPT，在这里直接截图了。

图片1

图片2

图片3

图片4

图片5

图片6

图片7

图片8

图片9

图片10

图片11

图片12

图片13

图片14

图片15

图片16

四 总结

        可以说刚入机器学习的坑不久，个人以为上面总结的还算全面。当然，如果有错误欢迎批评指正~要学的知识还有很多很多，路漫漫其修远兮，希望自己能坚持走下去！