【机器学习】SVM关键点解析
SVM
给定训练样本集D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{−1,1}D=\{(x_1, y_1), (x_2, y_2), ..., (x_m, y_m)\},y_i \in \{-1, 1\}D={(x1,y1),(x2,y2),...,(xm,ym)},yi∈{−1,1}。
y只是一个label,标记{-1,1}来区分正类和负类。
当然也可以标记为{0,300},只不过此时分正类的标准变为(y-150)*f(x)>0。
超平面方程
f(x)=w
原创
2021-10-05 16:42:29 ·
349 阅读 ·
1 评论