标签：SVM mathbf bold cdot sum 家族 超平面 alpha

SVM家族简史

故事要从20世纪50年代说起，1957年，一个叫做感知器的模型被提出，

1963年， Vapnik and Chervonenkis, 提出了最大间隔分类器，SVM诞生了。

1992年，Vapnik 将核方法用于SVM，使SVM可以处理线性不可分数据

1995年，Corts和Vapnik引入了软间隔，允许SVM犯一些错

最强版SVM出现了，它将各式武学集于一身，软间隔、核方法、……，

1996年，SVR（support vector regression）诞生，svm家族又添一员，回归任务也不在话下。至此，SVM家族成为机器学习界顶级家族之一。关于SVM家族其他成员，可以参阅这里。

SVM是什么？

• 是一种监督学习分类算法，可以用于分类/回归任务
• SVM目标：寻找最优分割超平面以最大化训练数据的间隔

什么是超平面？

• 在一维空间，超平面是一个点
• 二维空间，超平面是一条线
• 三维空间，超平面是一个平面
• 更多维空间，称为超平面

什么是最优分割超平面？

• 尽可能远离每一个类别的样本点的超平面
  • 首先，可以正确的将训练数据分类
  • 其次，拥有更好的泛化能力

那么如何找到这个最优超平面呢？根据间隔

什么是间隔？

给定一个超平面，超平面到最近的样本点之间的距离的2倍称为间隔。

在最初的SVM中，间隔是一个强定义，即硬间隔，间隔之间不允许存在任何样本。（当数据中存在噪音时，会产生一些问题，所以后来软间隔被引入）

显然，间隔B小于间隔A。可知：

• 如果超平面越接近样本点，对应的间隔越小
• 超平面离样本点越远，间隔越大

所以最优超平面对应最大间隔，SVM就是围绕着这个间隔展开，如何计算这个间隔？

标签：SVM,mathbf,bold,cdot,sum,家族,超平面,alpha
来源： https://www.cnblogs.com/gongyanzh/p/12775231.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。