支持向量机从idea到优化方法的全流程
支持向量机的key idea?
key idea1: 待分类点在决策边界法向量上的投影大于决策边界到原点的距离,则是正样本
key idea2: 如何求支持向量的间隔
选取一个正样本X+ 一个负样本X- 求X+ - X-在决策边界法向量上的投影长度
key idea3 如何最大化支持向量的间隔?
key4 如何将带限制条件的函数极值算法 转化为 不带限制条件的函数极值算法
对w求偏导 = 0
w是支持向量得到线性组合
对b求偏导
key idea4:只需知道训练集中两个样本的点乘就行
key idea5
推断一个点 无需知道法向量 w 只要知道 样本点和支持向量的内积
什么是核方法?只需知道非线性变换的点的内积