机器学习-svm概述

svm概述

p9aLHBD.jpg

图中红线就是最佳划分线,离红线最近两个点到分隔线的向量就是支持向量

假设数据是多维的,分隔线表达式为
x 1 a 1 + x 2 a 2 + . . . + x n a n + b = 0 x_1a_1+x_2a_2+ ... +x_na_n+b=0 x1a1+x2a2+...+xnan+b=0

( a 1 a 2 ⋮ a n ) T ∗ ( x 1 x 2 ⋮ x n ) T + b = 0 \begin{pmatrix} a_1\\ a_2\\ \vdots\\ a_n \end{pmatrix}^T * \begin{pmatrix} x_1\\ x_2\\ \vdots\\ x_n \end{pmatrix}^T +b = 0 a1a2an T x1x2xn T+b=0

就可以简化为 w x + b = 0 wx+b=0 wx+b=0
支持向量点到分隔线的距离 d = ∣ w T x + b ∣ ∣ ∣ w ∣ ∣ d=\dfrac{|w^Tx+b|}{||w||} d=∣∣w∣∣wTx+b 要使d最大,则||w||最小

每个点都满足 y i ( w T x i + b ) ⩾ 1 y_i(w^Tx_i+b)\geqslant1 yi(wTxi+b)1
所以目标函数为
{ min ⁡ ∣ ∣ w ∣ ∣ y i ( w T x i + b ) ⩾ 1 \begin{cases} \min ||w||\\ y_i(w^Tx_i+b)\geqslant1\\ \end{cases} {min∣∣w∣∣yi(wTxi+b)1

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值