SVM中数学原理
方法1.
图为清华大学Dr.Bo.Yuan老师在数据挖掘课程中支持向量机的PPT中截图,我在理解时存在问题。对此做以下几点解释:
- w是垂直于分离超平面的权重向量。
- g(x) 为点 x 所在超平面的表达式。
- x’ 为x在分离超平面上的投影,所以x = x’ + λw( λw的模刚好为距离)
- w x’ + b = 0 ( x’ 所在分离超平面的表达式)
前提:对于样本点 y(w x + b ) - 1 >= 0
Maximize the margin: M
方法2.
参考文献:https://blog.csdn.net/yutao03081/article/details/76652943