根據初中數學知識，我們在二維笛卡爾座標系中畫出一條直線
這條直線
若將上面的不等式組進行一些簡單的變換，將y替換成x2,x替換成x1，係數以及常數分別用w1,w2,b代替,則可以得到以下方新的方程組：
我們約定:
並約定：噹噹
這樣我們就通過一條直線將平面中的所有點（除直線上的之外）分成了兩類，這樣就完成了乙個線性分類。
以上雖然實現了一種分類方法，但是實際問題中，通常我們事先不知道這條直線在**，這條直線通常是需要我們自己去設定的，那麼如何設定這條直線呢？面對這個問題，我想我們最自然的應該首先想到的就是選兩個不同類別的點，在它們中間畫一條直線，那麼這條直線至少就可以將這兩點分成了兩類。根據這個想法，我們求解這條直線方程的過程如下：
線性可分支援向量機
支援向量機 support vector machines,svm 是一種二類分類模型。根據模型的複雜程度可以分為線性可分支援向量機 線性支援向量機及非線性支援向量機。簡單模型是複雜模型的基礎，也是複雜模型的特殊情況。本文假設訓練資料線性可分，介紹了線性可分支援向量機如何通過硬間隔最大化 hard ...
線性可分支援向量機筆記
支援向量機是一種二分類分類器。給一堆資料 x i,yi 並假設它們是線性可分的。線性可分支援向量機的目的就是從這堆資料中學到乙個分類超平面wx b 0 利用這個平面進行分類。那麼如何得到這個分類超平面呢？假設這個分類超平面我們已經得到了，為wx b 0 那麼對於點 x i,yi 我們可以用 w xi...
線性可分支援向量機（二）
線性可分支援向量機 二 性可分支援向量機 一 中，我們研究的是最理想的情況，即被分類的兩類樣本點沒有交叉，能夠完全被分離超平面給分離。但實際上的情況一般都不是那麼理想，可能找不出乙個完美的分離超平面。有可能有樣本點位於分離超平面的另一側。此時，我們所追求的就是軟間隔最大化。軟間隔最大化 根據博文一的...