前言
SVM,英文全称为 Support Vector Machine,中文名为支持向量机,由数学家Vapnik等人早在1963年提出。在深度学习兴起之前,SVM一度风光无限,是机器学习近几十年来最为经典的,也是最受欢迎的分类方法之一。
之所以叫支持向量机,因为其核心理念是:支持向量样本会对识别的问题起关键性作用。那什么是支持向量(Support vector)呢?支持向量也就是离分类超平面(Hyper plane)最近的样本点。
线性模型
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/368f320239495ef9f9d33583c97d4e97.png)
数学描述
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/41f8086885e42c5ec21ee837beed513b.png)
SVM的基本型
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/4500b4dd6d9b5aa89ea6b7d9215508bb.png)
非线性模型
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/91ae38c6e2b09d833c2571f4ab0f8cb6.png)
核函数
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/c9cd02d98dfbbdabc48a1ad539c31a42.png)
原问题和对偶问题
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/5cdf1b36128e72e70641400f1e67fdae.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/6d04205ce5d7f85a278217e6696ec431.png)
优化过程
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/ab2a417cc261a55cfd4999964eb13b8a.png)
训练流程
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/b62b724c8facec82b889be01ff76259d.png)
测试流程
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/34591bfd1b77efc1476d44e12bc6b168.png)