概念
线性可分支持向量机
线性分类问题
目标函数的建立
根据上述假设,输入的数据为
拉格朗日乘子法
列出的拉格朗日函数,还有不等式约束条件,参考KKT条件(参见连接link https://www.cnblogs.com/lengyue365/p/6281613.html
拉格朗日函数
计算拉格朗日函数的对偶函数
SVM举例
本例中可以看出,α1和α3不为零,则对应x1 x3样本是支持向量,α2为零,则x2不是支持向量。
线性支持向量机
对于数据线性不可分的数据,则增加松弛因子,修改约束条件
这里c值是调节了犯错误的容忍程度,C比较大时,过渡带(margin)比较窄,C比较小时过渡带比较宽。为了使大部分样本分析正确,而牺牲掉一下部分样本的正确性。
从另一个角度看SVM-Hinge loss
SVM 与 Hinge Loss 参考链接
link