![4c6e23b615ca089529082a4f8cd019bc.png](https://i-blog.csdnimg.cn/blog_migrate/74538a7a8d550b129922ad97f74a0246.png)
之前,写过求知鸟:支持向量机(原理)
求知鸟:支持向量机(实战):如何进行乳腺癌检测
求知鸟:数据分析|自编程实现支持向量机SVM
OX01 支持向量机模型
1.1 数学推导
回顾解析几何知识,点(x,y) 到直线Ax+By+C=0 的距离:
![726353cd91644a34c02d7d1e31a526b7.png](https://i-blog.csdnimg.cn/blog_migrate/f1fb4e59cd6f58b720380de272297c5f.png)
扩展到n维空间:点x到wTx+b=0 (平面表达式)的距离是:
![3e4d3646e3331920352382df1f431758.png](https://i-blog.csdnimg.cn/blog_migrate/384febfb2b11b96c97f68ab9d293cc1c.png)
然后,去寻找决策边界的表达式:
![760d5c3cb48ef3fc7fbfdbb6b34974d8.png](https://i-blog.csdnimg.cn/blog_migrate/72863ef0e5b53ca0ae51f65b3f9b8f74.png)
求满足约束条件的w值
![1ba3b00137726eed78c2cae005aefc54.png](https://i-blog.csdnimg.cn/blog_migrate/c64b72c712d793c64bd6ba53684dc4ae.png)
将上面两个式子中的y(i)提前进行合并,即满足
![aa56c0b17240749a6b4feace3b7ab3e2.png](https://i-blog.csdnimg.cn/blog_migrate/3b3932c27ee59d8b24263bee27506214.png)
对于任意支撑向量点x到决策边界的距离为d,我们要最大化边界
![df8b41c12783f89fadc62c72936e2252.png](https://i-blog.csdnimg.cn/blog_migrate/308d58274a01cf5034a0f3f011e2305a.png)
现在,可以得到SVM的最优化问题