我将从以下几个角度进行讲解:首先对一下简单的概念进行介绍,然后对线性svm进行详细推导。
如果你对以下的概念均知晓,可以直接跳过哟
概念介绍
1.svm的主要思想
从线性可分模式分类角度看,SVM的主要思想是:建立一个最优决策超平面,使得该平面两侧距平面最近的两类样本之间的距离最大化,从而对分类问题提供良好的泛化能力。
2.线性可分数据的二值分类机理
线性可分数据的二值分类机理:系统随机产生一个超平面并移动它,直到训练集中属于不同类别的样本点正好位于该超平面的两侧。显然,这种机理能够解决线性分类问题,但不能够保证产生的超平面是最优的。
支持向量机建立的分类超平面能够在保证分类精度的同时,使超平面两侧的空白区域最大化,从而实
现对线性可分问题的最优分类。
3.支持向量及支持向量机
“支持向量”:则是指训练集中的某些训练点,这些点最靠近分类决策面,是最难分类的数据点 。
SVM:它是一种有监督(有导师)学习方法,即已知训练点的类别,求训练点和类别之间的对应关系,以便将训练集按照类别分开,或者是预测新的训练点所对应的类别
支持向量机(Support Vector Machine,SVM)中的“机(machine,机器)”: 实际上是