接着上文(机器学习sklearn之SVM推导(一) ),今天主要继续手写线性支持向量机的算法流程,及存在的问题和解决办法。首先是接着上次的推导,上图!
当出现异常点时,硬间隔最大化的线性SVM无法进行正常分类,或者泛化性不好,所以在样本上引入了松弛变量,当然引入松弛变量也是有代价的,所以在优化目标函数上有稍微的差别,但是求解的方法和思路是一直的。上图!!
最后是支持向量的寻找,找到S个支持向量后,求解b。算法过程与硬间隔最大化类似…上图!!
下面会对线性不可分问题进行分析,详细内容请机器学习sklearn之SVM推导(三)
机器学习sklearn之SVM推导(二)
最新推荐文章于 2020-12-25 19:17:35 发布