- 假设给定一个特征空间上的训练数据集 T = ( x 1 , y 1 ) , . . . , ( x N , y N ) T={(x_1,y_1),...,(x_N,y_N)} T=(x1,y1),...,(xN,yN),其中 x i ∈ R n , y i ∈ { − 1 , + 1 } , i = 1 , 2 , . . . , N x_i\in R^n, y_i\in\{-1,+1\}, i=1,2,...,N xi∈Rn,yi∈{ −1,+1},i=1,2,...,N
- x i x_i xi为第 i 个实例(若n>1, x i x_i xi为向量);
- y_i为x_i的类标记;
- 当y_i=+1时,称 x i x_i xi为正例;
- 当y_i=-1时,称 x i x_i xi为负例;
- ( x i , y i x_i, y_i xi,yi)称为样本点。
线性可分支持向量机
- 给定线性可分训练数据集,通过间隔最大化得到的分离超平面为
y ( x ) = w T ϕ ( x ) + b y(x)=w^T\phi(x)+b y(x)=wTϕ(x)+b
相应的分类决策函数 f ( x ) = s i g n ( w T ϕ ( x ) + b ) f(x)=sign(w^T\phi(x)+b) f(x)=sign(w