机器学习笔记:SVM
格式驾驭不了,图片大小不会改,可以直接看我的有道笔记:http://note.youdao.com/noteshare?id=6234ba7ee9f074c95dbd373a4d5a9eca
- SVM:将向量映射到一个更高维的空间里,在这个空间建立一个最大间隔超平面。
公式推导:
- 分离超平面:
- 分类决策函数
- 函数间隔:对于给定的训练集T和超平面(w,b),定义超平面(w,b)关于样本点(xi,yi)的函数间隔。表示分类预测的正确性及确信度。
- 几何间隔:成比例改变w\b,并不能改变超平面。对分离超平面的法向量w加某些约束,如规范化,||w||=1,使得间隔是确定的。引入几何间隔。
- 最大间隔超平面:
- 转为最小化函数:
- 需要求的目标函数:
- 目标函数的约束条件可改为:
- 拉格朗日公式(w为拉格朗日算子):
- 拉格朗日原始问题:
- 目标函数构建拉格朗日函数:
- 对w和b分别求偏导数:
- 求解步骤:
- KKT条件:
线性不可分(软间隔)
- 函数间隔:
- 约束条件(C>0 惩罚参数):
- 原始问题:
- ai的约束条件改成:
- 步骤(类似硬间隔)
核函数
- 核函数本质是两个函数的內积
- 常用核函数:RBF核径向基、线性核、多项式核
- 条件:存在以下条件①一个空间可以映射到另一个空间②函数K(x,z)满足条件
- 核函数在支持向量机中的应用:
目标函数:
分类决策函数