SVM旅程
摘要：
今天开始学习SVM1.1 SVM的基本原理 SVM方法是从线性可分情况下的最优分类面（OptimalHyperplane）提出的。考虑图1所示的二维两类线性可分情况，图中实心点和空心点分别表示两类的训练样本，H为把两类没有错误地分开的分类线，H1、H2分别为过各类样本中离分类线最近的点且平行于分类线的直线，H1和H2之间的距离叫做两类的分类空隙或分类间隔（margin）。所谓最优分类线就是要求分类线不但能将两类无错误地分开，而且要使两类的分类空隙最大。前者是保证经验风险最小（为0），而通过后面的讨论可以看到，使分类空隙最大实际上就是使推广性的界中的置信范围最小，从而使真实风险最小。推广到高.. 阅读全文
posted @ 2013-05-21 12:29 JueFan_C 阅读(248) 评论(0) 推荐(0) 编辑
