机器学习之SVM算法
1、知识点
""" SVM,也称支持向量机:其优化核心为求取点到平面的距离最大化,主要是解决二分类问题 y = wx+b ,且 yi * y(i) >0 恒成立 思想:argmax{min[yi *(wx+b) ]/||w||} min[yi *(wx+b) ]:求取距离直线最近的样本点 argmax:求取距离最近的样本点距离最大的值 优化目标:max(w,b){1/||w||}, 约束条件yi * y(i) >=1 ,采用拉格朗日求取最小值 所有边界上的点(这个点也叫支持向量) ,阿尔法不等于 ,不在边界上的点,阿尔法等于0 支持向量是真正发挥作用的带你,阿尔法不为0 的点 核变换:解决线性不可分问题 ,核函数有:径向基函数、高斯函数、rbf函数 """
2、代码
3、目标函数
4、优化目标
本文来自博客园,作者:小白啊小白,Fighting,转载请注明原文链接:https://www.cnblogs.com/ywjfx/p/10954097.html