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!