支持向量機(SVM)總結

一.線性可分支持向量機 1.定義：給定線性可分的訓練集，求解出能夠正確劃分訓練集並且幾何間隔最大的分離超平面wx+b=0,對應的決策函數爲f(x)=sign(wx+b) 2.函數間隔： 3.幾何間隔： 二.目標函數的推出 三.推導過程求解： 四.軟間隔與正則化： 爲了防止過擬合，對每個樣本點引入一個鬆弛變量，此時爲軟間隔最大化問題，推導過程如下： 五.非線性支持向量機與核函數： 爲什麼引入核函數：

>>阅读原文<<