美文网首页
SVM算法(支持向量机)

SVM算法(支持向量机)

作者: 洛克黄瓜 | 来源:发表于2018-07-16 11:16 被阅读0次

SVM

  • SVM有很多种实现,本文只关注其中最流行的一种实现,即序列最小优化(SMO)算法。
  • 支持向量机是一种分类器,叫“机”是因为它会产生一个二值决策结果
  • 当然,基于SVM构建多类别分类器也有很多研究和对比,这个可以网上查资料了解

支持向量

  • 拿二维数据散点举例,如果很容易在坐标图画出一条直线将两组数据点分开,这组数据就被称为线性可分
  • 上面说的直线称为分隔超平面(数据大多是多维的)
  • 支持向量,就是离分隔超平面最近的那些点

寻找最大间隔

  • 一旦找到具有最小间隔的数据点(支持向量),我们就需要对该间隔最大化
  • 优化目标函数
  • 支持向量的数目存在一个最优值,如果支持向量太少,就可能得到一个很差的决策边界;向量太多,就相当于利用了整个数据集来分类,这种分类就成为K近邻算法了

在复杂数据上应用核函数

  • 利用核函数将数据映射到高维空间
  • 通过转换,将低维空间的非线性问题转为高维空间的线性问题
  • 径向基核函数,是SMV常用的一个核函数


    径向基核函数

相关文章

网友评论

      本文标题:SVM算法(支持向量机)

      本文链接:https://www.haomeiwen.com/subject/mebvpftx.html