[机器学习] 支持向量机SVM

本文深入探讨了支持向量机SVM,包括线性可分情况下的函数间隔与几何间隔,如何通过间隔最大化来找到最优超平面。支持向量是决定超平面的关键,它们位于间隔边界上。通过引入对偶问题和核函数,SVM能够解决非线性分类问题。
摘要由CSDN通过智能技术生成

目录

1. SVM

2. 线性可分SVM

2.1 函数间隔&几何间隔

🍇函数间隔

🍇几何间隔

2.2 线性SVM——间隔最大化

2.3 支持向量&间隔边界 


1. SVM

支持向量机SVM,是二分类模型,学习策略是 学到 特征空间 中 间隔最大的线性分类器

SVM引入 核技巧,使它成为实质上的 非线性分类器

当训练数据线性可分时,通过 硬间隔最大化,学习到线性分类器硬间隔SVM)。

当训练数据近似线性可分时,通过 软间隔最大化,学习到线性分类器软间隔SVM)。

当训练数据线性不可分时,通过使用 核技巧&软间隔最大化 

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

打赏作者

心心喵

喵喵(*^▽^*)

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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