线性可分支持向量机学习笔记

假设一个特征空间上的训练数据集 T = ( x 1 , y 1 ) , ( x 2 , y 2 ) , … , ( x N , y N ) T={(x_1, y_1), (x_2, y_2), …, (x_N, y_N)} T=(x1,y1),(x2,y2),,(xN,yN),其中 x i ∈ R n , y i ∈ { + 1 , − 1 } , i = 1 , 2 , … , N x_i∈\R^n, y_i∈\{+1, -1\}, i = 1,2,…, N xiRn,yi{ +1,1},i=1,2,,N x i x_i xi为第 i i i个特征向量,也称为实例, y i y_i yi x i x_i xi的类标记。学习目标是在特征空间中赵找到一个分离超平面,能将实例分到不同的类。

线性可分支持向量机的定义:

给定线性可分训练数据集,通过间隔最大化或等价地求解相应的凸二次规划问题学习得到的分离超平面为 w ∗ ⋅ x + b ∗ = 0 w^*·x + b^* =0 wx+b

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值