本文介绍了SVM（支持向量机）的核心思想，旨在寻找最能区分两类数据的最优超平面，即最大化边际的线性分类器。通过拉格朗日乘数法将原始问题转化为对偶问题，进而解决求解参数的问题。当数据不完全可分时，引入软间隔允许一定程度的误分类。详细推导过程见内容。
公式推到网址：机器学习-白板推导系列(六)-支持向量机SVM（Support Vector Machine）_哔哩哔哩_bilibili
一、找一个最好的线
目的是分类，所以找一个最好的线能够将其分类，其最好的线是‘最中间那条’、对误差最不敏感那条。
方法：找到一个margin（在所有点中，找到点离线最短的那个距离），然后再找其中最大那个的间隔，满足以上的线就是最好的线。
用数学公式表示如下：
最后得出右下角公式的结论，接下来为求解公式。
二、公式转化
1、将公式转化为用拉格朗日公式等价表示（原公式满足转化条件），再转化为对偶问题公式（原公式满足转化条件）进行求导求解参数，公式推导如下。
其中可以求解w：
631
580
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
