一、支持向量机
二类分类模型,定义在特征空间上间隔最大的线性分类器。
二、线性可分支持向量机
感知机利用误分类最小策略,求得分离超平面,这时的解有无穷多个。线性可分支持向量机利用间隔(几何间隔)最大化求最优分离超平面,解唯一。
函数间隔:y(wx+b); 超平面关于某个点的函数间隔;超平面关于训练数据的函数间隔(所有点的最小值)。
几何间隔:标准化的函数间隔
三、线性支持向量机
软间隔、合页损失函数、加了松弛变量
四、核函数与非线性支持向量机
核函数:当输入空间为欧式空间或离散集合,特征空间为希尔伯特空间时,核函数表示将输入从输入空间映射到特征空间(希尔伯特空间)得到的特征向量之间的内积。
核技巧:通过使用核函数可以学习非线性支持向量机,等价于隐式地在高维特征空间中学习线性支持向量机。
通常的核函数是指正定核函数,对应Gram矩阵为半正定。
常用核函数:
1. 多项式核函数
2.高四核函数——高斯径向基函数分类器
3.字符串核函数