【待补充】支持向量机（SVM）原理和python实现

---

前言

明天来补充三四部分。

---

一、线性硬间隔SVM

1.应用对象

完全线性可分的样本集合。

2.几何角度

找到一个超平面，与两类样本点的距离都足够远，来对样本进行划分。该划分超平面可定义为
$$w^{\ast }x+b^{\ast }=0$$
划分决策函数可定义为
$$f(x)=sign(w^{\ast }x+b^{\ast })$$
即如果$w^{\ast }x+b^{\ast }>0,则f(x)=+1$；如果$w^{\ast }x+b^{\ast }<0,则f(x)=-1;$
 

3.硬间隔最大化

3.1间隔(magin)

离划分超平面最近的点到超平面的距离：
$$w,b,$$