SVM算法—原理讲解

最新推荐文章于 2024-09-14 22:05:28 发布

测试开发abbey

最新推荐文章于 2024-09-14 22:05:28 发布

阅读量1.1w

点赞数 7

分类专栏：人工智能—机器学习

本文链接：https://blog.csdn.net/sanmi8276/article/details/113804650

版权

原文作者：奔跑的前浪

原文地址：svm算法最通俗易懂讲解

最近在学习svm算法，借此文章记录自己的学习过程，在学习时很多处借鉴了z老师的讲义和李航的统计，若有不足的地方，请海涵；svm算法通俗的理解在二维上，就是找一分割线把两类分开，问题是如下图三条颜色都可以把点和星划开，但哪条线是最优的呢，这就是我们要考虑的问题；

首先我们先假设一条直线为 W•X+b =0 为最优的分割线，把两类分开如下图所示，那我们就要解决的是怎么获取这条最优直线及W 和 b 的值；在SVM中最优分割面(超平面)就是：能使支持向量和超平面最小距离的最大值；我们的目标是寻找一个超平面，使得离超平面比较近的点能有更大的间距。也就是我们不考虑所有的点都必须远离超平面，我们关心求得的超平面能够让所有点中离它最近的点具有最大间距。