1、概述算法
一、含義:函數
支持向量機(support vector machine,SVM)是一種二類分類器,它的基本模型是定義在特徵空間上的間隔最大化的線性分類器,經過引入核函數,也能夠做爲非線性分類器來解決非線性數據集的分類問題。學習
二、求解:spa
支持向量機的學習策略是間隔最大化,可轉化爲一個求解凸二次規劃的問題。數學
三、模型:技巧
支持向量機模型從簡單到複雜可分爲:線性可分支持向量機、線性支持向量機和非線性支持向量機。im
線性可分支持向量機:訓練數據線性可分,經過硬間隔最大化,學習一個線性分類器;數據
線性支持向量機:訓練數據近似線性可分,經過軟間隔最大化,學習一個線性分類器;img
非線性支持向量機:訓練數據線性不可分,經過使用核技巧(kernel trick)及軟間隔最大化,學習一個非線性分類器。time
本次數學推導就是推導以上三個模型,不涉及SMO算法的推導。考慮到公式比較多,因此是用手寫筆記的形式進行整理。
2、數學推導