机器学习中SVM的损失函数,向量积

SVM即支持向量机（Support Vector Machine, SVM） 是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane)。

简介

• SVM的损失函数
  1. 损失函数
  2. SVM中的损失函数
• 向量积

1.损失函数

定义: 是用来衡量一个预测器在对输入数据进行分类预测时的质量好坏。损失值越小，分类器的效果越好，越能反映输入数据与输出类别标签的关系;相反，损失值越大，我们需要花更多的精力来提升模型的准确率。

2.SVM中的损失函数

Hinge损失函数
Hinge损失主要用在SVM算法中，具体公式如下：

根据y_i也可以变化成