超级会员免费看
支持向量机（SVM）是二分类模型，通过最大间隔思想寻找最佳线性分类器。在训练数据线性可分时，SVM通过硬间隔最大化找到唯一最优超平面，确保分类鲁棒性。本文介绍了线性可分支持向量机的概念，包括硬间隔最大化的目标、对偶问题和学习算法，旨在帮助读者深入理解SVM的核心原理。
有任何的书写错误、排版错误、概念错误等，希望大家包含指正。
在阅读本篇之前建议先学习：
【机器学习】拉格朗日对偶性
【机器学习】核函数
由于字数限制，分成两篇博客。
【机器学习】支持向量机【上】硬间隔
【机器学习】支持向量机【下】软间隔与核函数
支持向量机
支持向量机（support vector machines，SVM）是一种二分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，其决策方式与感知机一致，但是采用最大间隔的思想进行学习使它有别于感知机。支持向量机学习方法包含构建由简至繁的模型：线性可分支持向量机（linear support vector machine in li
订阅专栏 解锁全文
扫一扫
3527
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
