对svm支持向量机的理解
摘要:
支持向量机:样本x为k维向量,在某区域内的l个样本所属类别为(x1,y1},...,(xl,yl)∈Rk*{+-1}.若超平面:w.x+b =0能将样本分为两类,其中⋅表示向量的点积.最佳的超平面应使两类样本到超平面的距离为最大.显然,式(1)中的和乘以系数以后仍能满足方程.不失一般性,对于所有的样本xi,式|w.Xi+b|的最小值为1,则样本与此最佳超平面的最小距离为|w.Xi+b|/||w||=1/||w||.最佳超平面应满足约束:Yi[(w.xi)+b] ≥ 1,i=1,…,lw和b的优化条件应该是使两类样本到超平面最小距离之和2/||w||最大.另外,考虑到可能存在一些样本不能被超平面 阅读全文
posted @ 2013-10-04 13:18 aliana 阅读(403) 评论(0) 推荐(0)
浙公网安备 33010602011771号