机器学习_西瓜书_C6支持向量机

目录

间隔与支持向量

支持向量机(SVM) support vector machine  

对偶问题 dual problem

核函数 kernel function/支持向量展式support vector expansion

软间隔soft margin

正则化regularization

支持向量回归(SVR) support vector regression

核方法kernel method

TASK5 学习心得

---

间隔与支持向量

鲁棒性(Robust): 指控制系统在一定（结构，大小）的参数摄动下，维持其它某些性能的特性。

鲁棒性_百度百科

样本空间中, 划分超平面的线性方程:

 w-法向量-决定超平面的方向; b-位移项-超平面与原点的距离;

存在超平面(w,b)能够正确划分y, 使得:

硬间隔 hard margin:

支持向量机(SVM) support vector machine  

目标: MAX margin即 MAX ||w||^-1, 等同于MIN ||w||^2即

对偶问题 dual problem

原因: 因为支持向量机SVM公式6.3是一个凸二次规划 convex quadratic programming, 可高效求解

方法: 拉格朗日乘子法

<