这是一个介绍比较全面、易懂的文章,作者七月在线。https://blog.csdn.net/v_july_v/article/details/7624837
SVM整个流程:本质是个分类方法
1. 构造w^T + b 分类函数,然后目标是求解w、b
2.寻求最大间隔,引出目标函数:1/2||w||^2,约束条件yi(w^Txi + b)>=1
3.引入拉格朗日因子,将目标函数、约束条件构成一个函数
4.对拉格朗日因子求解,从而得出w、b的解
5.利用快速学习算法SMO求解对偶问题
SVM分为线性可分及线性不可分的情况:可以将线性不可分的低维空间数据,映射到高维空间,从而达到可分的目的。
但从低维空间映射到高维空间,会是的维数爆炸,难以计算。
所以核函数应运而生。核函数可以实现,在低维空间完成计算,然后在映射到高维空间,大大减少了计算量。
并且,在松弛变量的作用下,加入核函数后,构成了既能够处理线性和非线性并能容忍噪音和 outliers 松弛变量的支持向量机。
常见的核函数包括:多项式核函数、高斯核函数、线性核函数