摘要：
（本文内容和图片来自林轩田老师《机器学习技法》） 1. 线性SVM的推导 1.1 形象理解为什么要使用间隔最大化 容忍更多的测量误差，更加的robust。间隔越大，噪声容忍度越大： 1.2 SVM的问题描述 表示为正式的形式，就是： 1.3 推导点到平面的距离 因此，由于约束条件1，距离里面的绝对值 阅读全文
摘要：
（本文内容和图片来自林轩田老师《机器学习技法》） 1. 核技巧引入 如果要用SVM来做非线性的分类，我们采用的方法是将原来的特征空间映射到另一个更高维的空间，在这个更高维的空间做线性的SVM。即： 在这里我们计算这个向量内积有两种方法：一种是对Φ(x)给出明确的定义，分别算出两个高维向量，再做内积； 阅读全文