SVM概述

目录

  • 目录
  • SVM概述
  • References Resources

SVM概述

线性SVM是寻找分类间隔最大的 ωTx+b=0 ,即为最小化 ω 。在引入拉格朗日对偶问题和KKT条件后,问题简化为关于 α 的最优化问题,最后通过SMO快速求解出 α 。通过软间隔可降低了噪声的影响。为了处理线性不可分问题,通过引入核函数,其等效于将线样本映射到高维空间,再进行线性分割。

References & Resources

【1】支持向量机通俗导论(理解SVM的三层境界)带完整书签版本
【2】统计学习方法-李航
【3】《凸优化》,作者: Stephen Boyd / Lieven Vandenberghe
【4】支持向量机(五)SMO算法

你可能感兴趣的:(SVM概述)