機器學習支援向量機筆記摘要：
間隔（margin）是支援向量機的核心概念之一，它是對支援向量到分離超平面的距離度量，可以進一步表示分類的正確性和可信程度。根據歸一化與否的區別，間隔還可以分成幾何間隔（geometric margin）和函式間隔（functional margin）。
當資料線性可分時，分離超平面有千千萬，但幾何間隔最大的只有乙個。支援向量機的基本思想就是找出能夠正確劃分資料集並且具有最大幾何間隔的分離超平面（maximum-margin hyperplane）。因此在軟間隔的優化中，也只需要考慮幾個異常點對決策邊界的影響。這恰恰體現出了支援向量機的思想方法：最終的決策邊界僅與少數的支援向量有關，並不會受到大量普通資料的影響。
支援向量機專題 線性支援向量機
原文 當資料線性不可分時，使用硬間隔支援向量機很難得到理想的結果。但是如果資料近似線性可分，可以採用軟間隔支援向量機 線性支援向量機 進行分類。這通常適用於有少量異常樣本的分類，如果使用線性支援向量機，它會盡量使得所有訓練樣本都正確，如下圖所示。顯然這並不是最好的結果，軟間隔支援向量機可以權衡 間隔...
支援向量機
支援向量機 svm 一種專門研究有限樣本 的學習方法。是在統計學習理論基礎之上發展而來的。沒有以傳統的經驗風險最小化原則作為基礎，而是建立在結構風險最小化原理的基礎之上，發展成為一種新型的結構化學習方法。結構風險最小歸納原理 解決了有限樣本或小樣本的情況下獲得具有優異泛化能力的學習機器。包含了學習的...
支援向量機
支援向量 與分離超平面距離最近的樣本點的例項 優點 泛化錯誤率低，計算開銷不大，結果易解釋 缺點 對引數調節和核函式選擇敏感，原始分類器不加修改僅適用於處理二分類問題 適合資料型別 數值型和標稱型資料 每次迴圈中選擇兩個alpha進行優化處理。一旦找到一對合適的alpha，那麼久增大其中乙個同時減小...