公式推导
模型已定,参数未知
思考过程
1、需要将x和-分开,因为是二维平面,使用一条直线即可划分。svm里边叫超平面
2、任意直线可表示为w T xi+b,w和x一样有两个维度,b是常数
3、直线w T xi+b=0就表示超平面,这里不要靠原有思维去猜测w的正负等问题。
4、假设x的标签y=1,-的标签y=-1,(二者标签交互也可,因为w是学习出来的)当y=1,满足w T xi+b>1,(因为存在b,也需要学习,所以回答了1其实是y,而不是距离,这就是人为设计的损失函数,理解不到查看参考资料一),当y=-1,满足w T xi+b<-1
优化步骤
1、不等式合并
把正负1换成yi
2、点到直线的距离
3、寻找支持向量
寻找离超平面最近的点,即寻找到一组w,b,x使得函数值最小,而因为支持向量在超平面上,我们的损失函数输入支持向量,输出值刚好为1或-1。
即图3.2的式子,带入两个异类支持向量,再求和。得到图3.1:
图3.1
图3.2
4、优化
使得γ最大化,即使得||w||最小。使用平方进行映射。b也是参数,它的w=1
5、拉格朗日乘数法
网上有大量篇幅介绍
核函数
参考资料1:SVM公式推导 - 知乎(很多文章未讲清楚因果,这篇讲的好,即模型已定参数未知)
参考资料2:机器学习-西瓜书(SVM)-20171006 - 知乎
参考资料3:https://www.pkudodo.com/2018/12/16/1-8/ (前言讲的清楚,推导一般)