支持向量积根据数据的情况分为三种。如果数据是线性可分的,则用线性可分支持向量积。如果数据是近似线性可分的,则用线性支持向量积。如果数据是不可分的,则用非线性支持向量积。
一、线性可分支持向量积
1.1 线性可分模型的定义
线性可分支持向量积的数据是线性可分,如下图所示,存在一个超平面能将数据完全分开。
而支持向量积训练的目的就是找到一个超平面能将上述的数据分开,但是能将数据分开的超平面有很多条,如下图所示,L1和L2都能将数据分开,但是那一个超平面会更好呢,显然是L1更好。因为对于L2稍微有点数据波动,分类就会出现错误。
那么如何将上述评判超平面好坏的标准写成数学表达式呢?我们首先想到的就是距离公式