SVM的分类
将自己学习的SVM不同分类的流程总结一下
SVM的分类
- 线性可分支持向量机 硬间隔最大化
- 线性支持向量机 软间隔最大化
- 非线性支持向量机 升维（核函数）
线性可分svm总结
- 原始目标： 求得一组 w和b 使得分隔margin最大
- 转换目标： 通过拉格朗日函数构造目标函数，问题由求得 n个w 和 1个b转换为求得 m个α
- 利用smo 算法求得 m个α*
- 利用求得的m个α求得 w和 b*
线性svm总结
1.设定惩罚系数 C，构造优化问题
2.用SMO 算法求出α*
3.计算
4.找到全部的支持向量，计算出
5.计算所有的 的平均值得到最终的
非线性svm总结
- 选择某个核函数及其对应的超参数
- 选择惩罚系数C
- 构造最优化问题
- 利用SMO 算法求解出一组α*
- 根据α计算w
- 根据α找到全部支持向量，计算每个支持向量对应的bs
- 对bs求均值得到最后的 b，学得的超平面为：