![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
SVM
knock_me
这个作者很懒,什么都没留下…
展开
-
SVM(二):对偶算法、SMO算法
拉格朗日乘子法在学习对偶算法之前,首先我们需要了解一点数学知识——拉格朗日乘子法。它和高数中的拉格朗日乘数法很类似,都用于最优化的求解。不同的点是乘数法用于限制条件为等式的情况,而乘子法用于限制条件为不等式的情况。下面我们介绍一下两种方法,侧重点放在乘子法上面。1、拉格朗日乘数法——等式约束下面简单介绍下拉格朗日乘数法。设给定二元函数z=ƒ(x,y)和附加条件φ(x,y)=0,为寻找z=ƒ(x,y)在附加条件下的极值点。1. 先做拉格朗日函数F(x,y,λ)=f(x,y)+λφ(x,y) ,其中λ原创 2020-10-27 10:21:34 · 1244 阅读 · 0 评论 -
函数间隔到几何间隔的推导过程
有道云笔记的Markdown和CSDN中的公式有点不兼容,直接截图上传了。原创 2020-10-14 16:48:43 · 414 阅读 · 0 评论 -
SVM(一):SVM入门
SVM简介支持向量机SVM(support vector machines)是一种二分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器。间隔最大使它有别于感知机。SVM还包括核技巧,这使它成为实际上的非线性分类器。SVM的学习策略就是间隔最大化,可形式化为一个求解凸二次规划的问题,也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。SVM相关定义1、分离超平面w⋅x+b=0 w·x+b=0 w⋅x+b=0分离超平面由法向量w和截距b决定,可用原创 2020-10-26 23:39:27 · 766 阅读 · 2 评论