对SVM深层次理解
SVM深层次理解:
1、如果训练样本是线性可分的;
2、那么可以找到两个超平面,将训练样本分开;
3、两个超平面间的距离就是margin;
4、两个超平面的中间平面就是我们要的目标结果,定义为:w^T*x - b = 0;
5、那么,其中一个超平面定义为:w^T*x - b = 1,另外一个超平面定义为:w^T*x - b = -1。(相当于是目标结果,往法线方向分别移动了1和-1。)
6、对于任何一个样本来说,都需要满足 y_i(w^T*x_i - b)>=1,换成白话就是任何一个样本都不能落到margin里,同时,对于class1来说,都在w^T*x - b = 1上边,对于class2来说,都在w^T*x - b = -1下边。
7、所以,求超平面的过程,就是求解||w||最小的过程。
以上是对wiki百科中SVM的理解
https://en.wikipedia.org/wiki/Support-vector_machine