目录
支持向量机(SVM) support vector machine
核函数 kernel function/支持向量展式support vector expansion
支持向量回归(SVR) support vector regression
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。
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
<