线性可分支持向量机学习笔记分享

线性可分支持向量机与硬间间隔最大化

线性可分向量机

对于一个给定特征空间的数据集
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 x_i\in R^n,y_i\in \{+1,-1\},i=1,2....,N,x_i xiRn,yi{ +1,1},i=1,2....,N,xi为第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,当 y i y_i yi=+1时称 x i x_i xi为正例;当 y i = − 1 y_i=-1 yi

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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