SVM学习笔记

初步理解 【五分钟机器学习】向量支持机SVM: 学霸中的战斗机_哔哩哔哩_bilibili

1.基础思想

首先，确定我们的目标是将数据准确的进行分类。下面两个效果更好的就是c2，因为c2中的分类和两个类别之间的距离更大。当出现新的待分类的点后，c2的效果更好。

 svm添加边界分界面来衡量决策分界面和边界分界面之间的距离，距离越大越好。

 按照上图中的距离公式，我们可以推出svm的损失函数。

 svm另一个机制时加入容错率，保证大局上的正确性。

 上述说的都是用一条直线去分割两类，但是遇到下图这种情况就不能单纯的使用直线来分割。二维不行那我们就拓展为三维，拓展的结果就是我们不再用一条线去分类，而是用一个弯曲的面来将其分类。

 以上就是svm的基本思想，接下里我们再来看具体的推演公式。

2.具体公式的推导

  机器学习-白板推导系列(六)-支持向量机SVM（Support Vector Machine）_哔哩哔哩_bilibili