浙江大学
prince75^
这个作者很懒,什么都没留下…
展开
-
浙江大学《机器学习》MOOC课程笔记 支持向量机SVM(二)
转化为对偶问题 将SVM的优化问题改造为原问题 为了让改进至目前的SVM的优化问题满足强对偶定理,而原问题中的gi(w)≤0g_i(w)≤0gi(w)≤0,故首先要将SVM的两个限制条件由≥0≥0≥0进行改造 此时原问题中的 而不等式gi(w)≤0g_i(w)≤0gi(w)≤0被分成了两部分 由于问题中全为不等式,故不存在hi(w)=0h _i(w)=0hi(w)=0项。 按照对偶问题的定义将对偶问题写成如下形式: 其中αi,βi\alpha_i,\beta_iαi,βi分别是改造两个gi原创 2020-10-07 11:09:53 · 519 阅读 · 1 评论 -
《机器学习》周志华 第六章 支持向量机SVM(一)
线性可分定义 线性:二维中的直线,三维中的平面…… 二分类问题{线性可分线性不可分 二分类问题\left\{ \begin{aligned} &线性可分& \\ &线性不可分& \\ \end{aligned} \right. 二分类问题{线性可分线性不可分 问题描述 支持向量机算法 1.解决线性可分问题 2.结论推广到线性不可分的情况 Q:如果一个数据集线性可分的,那么存在无限多个超平面可以对数据进行二分类,那么 哪一个超平面最好呢? A:基于最优化理原创 2020-10-06 20:00:38 · 511 阅读 · 0 评论