1.支持向量机
支持向量机是一种二分类模型,SVM能构建出数据之间的非线性关系。svm的学习策略就是间隔最大化,学习一个线性分类器,可形式化为一个求凸二次规划的问题,也等价于正则化的合页损失函数最小化问题。SVM的学习算法是求解凸二次规划的最优化算法。
支持向量机学习方法包含构建由简至繁的模型:线性可分支持向量机、线性支持向量机及非线性支持向量机。简单模型是复杂模型的基础,也是复杂模型的基础情况
2.线性可分支持向量机
给定线性可分训练数据集,通过间隔最大化或等价地求解相应的涂二次规划问题学习得到分离超平面为
以及相应的分类决策函数
称为线性可分支持向量机。
函数间隔:分类预测的准确性及确信度
间隔最大化:对数据集找到几何间隔最大的超平面意味着以充分大的确信度对训练数据进行分类