因為參閱**涉及到svm數學原理,故跟著學習了下。
先是看了知乎對svm的解釋，其中乙個高票答案看得我一頭霧水，擷取如下
畫第乙個圈的地方就很有誤導性，此處的y與後面的y都不一樣，後面的兩處y都是標記值。
應該這麼去理解wt+b
這個理解好了再參考 的內容就很容易把svm原理理解了
再談下關於文中 兩條直線f(x)=-1和1的理解
應該是為了好算，所以取1和-1，然後中間黑線f到兩邊f的差值一定是1，所以可以直接做如下的等價變換（分子變成1,只需考慮分母）
這步理解清楚了後面的就是帶公式了
SVM中關於核函式的理解
如果訓練樣本不是線性可分的,那麼只要樣本的屬性是有限個,就可以將其對映到高維特徵空間,使這些樣本線性可分.問題 為什麼要讓這些樣本線性可分?當對映到高維空間後,想要得到模型 function 那麼計算難度是非常大的.此時我們可以使用核函式來簡化計算.那麼什麼樣的函式可以作為核函式呢?只要乙個對稱函式...
SVM演算法的理解
距離上次看svm演算法已經快過了半個月了，今天再次看到，溫故知新後決定把自己的理解寫出來。不過由於本人文筆不佳，所以想到什麼寫什麼，等有空了再整理。看到覺得混亂的還請見諒。剛剛看svm的時候，只能明白支援向量機之所以叫支援向量機是因為支援向量，後面懂得了w的內容是什麼 幾何距離的意義 低維對映到高維...
svm的簡單理解
svm是一種訓練機器學習的演算法，可以用於解決分類和回歸問題，同時還使用了一種稱之為kernel trick的技術進行資料的轉換，然後再根據這些轉換資訊，在可能的輸出之中找到乙個最優的邊界。簡單來說，就是做一些非常複雜的資料轉換工作，然後根據預定義的標籤或者輸出進而計算出如何分離使用者的資料。簡單理...