支持向量机-SVM

支持向量机(SVM)是一种有效的分类算法,通过非线性映射将数据转化为线性可分状态,并寻找最大化间隔的超平面。在二维空间中,SVM通过找到最优直线将不同类别点分隔开,定义了几何间隔和函数间隔。为了解决约束条件,SVM问题转化为二次凸函数优化,通过拉格朗日乘子法和核函数(如线性核、高斯核等)处理。最后,使用SMO算法解决拉格朗日乘子问题,完成模型构建。
摘要由CSDN通过智能技术生成

概念

将训练数据集非线性的映射到一个高维特征空间,这个非线性映射的目的是把输入空间中线性不可分数据集映射到高维特征空间后,变成线性可分的数据集,随后在特征空间建立一个具有最大间隔距离的最优分离超平面,这也相当于在输入空间产生一个最优非线性决策边界;

问题定义:找到最大化的平面间隔

举例

以2维平面为例,若需要找到一条直线y=wx+b,将物品很好的分为两个不同的类别,如下图:

即需要找到平面上不同类别的点距离y=wx+b都能很好的被分割在平面的两边;

让wx+b=0,则可以得到如下图:

那么平

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值