撰写时间:2017.10.20
support vector machine(svm)支持向量机在深度神经网络兴起之前一直是机器学习强大的分类器,即使是现在,关于SVM的研究以及应用也是有很多,所以弄懂svm是必要的.
本篇博文记录的是在学习支持向量机的时候,自己存在的一些困惑,以及支持向量机的一些重要概念.
Question1:为什么正负样本的分类边界是+1和-1
Answer:纯粹为了计算方便,下面证明一下为什么可以是正负1
Proof(不考虑软间隔和核方法,也就是该分类问题在该空间内是确定的线性可分):
画图太麻烦,我选择手写
从上面的证明可以看出来.选择用1作为边界,完全是为了计算方便.
Question2:线性向量机的优化推导
Question3:软间隔理解
Question4:kernel核的理解