SVM (Support Vector Machine)- 支持向量机
主要从<<统计学习方法>>中整理
线性可分的情况下,假设存在一个超平面, w⃗ 是其法向量,对于正样本有 w⋅x+b≥γ^ , 对于负样本有 w⋅x+b≤−γ^ , 如果 γ=0 , 说明样本刚好落在超平面上. 这里能一眼看出来 width=2γ^ , 对于二分类, yi={ 1,−1} , 于是上面两个不等式乘以相应的 yi 就都成了
yi(w⋅x⃗ i+b)≥γ^
所有样本带进去都满足, 至少有一个样本取等号, γ^ 就是 最小函数间隔, 若定义
γ^i=yi(w⋅x⃗ i+b)
由于 w 和
γi=yi(w⋅x⃗ i+b)||wi||
最小几何间隔
γ=mini=1,2,...,nγi=γ^i||wi||
于是有了最大化最小集合间隔的问题:
maxw,bγ^||w||
满足对于所有样本有
yi(w⋅x⃗ i+b)≥γ^
假设将 w 和