电子科技大学：《机器学习 Machine Learning》课程教学资源（课件讲稿）第5章 支持向量机

支持向量机 电子科技大学 师君

电子科技大学 师 君

支特向量机 线性不可分问题 核T化支特向量机

支持向量机 线性不可分问题 核化支持向量机

支持向量机 ,支持向量机(support vector machines,SVM) 。几何意义上的理想分类面： ·决策面位于两类之间，到两类边界的距离相等且最大，即 使分开的两类数据点距离分类面最远。 △△

 支持向量机(support vector machines, SVM) ◦ 几何意义上的理想分类面：  决策面位于两类之间，到两类边界的距离相等且最大，即 使分开的两类数据点距离分类面最远

支持向量机 ,点到面的距离公式 平面方程：WX+w,=0 法线方程：X=Wt+Xo 交点为：=w% ww 距离为：d=Www=0

 点到面的距离公式 0 0 0 0 0 0 0 - - = + = T T T T T w t w t w d t    w x x w x w xw w w x w w w = 平面方程： 法线方程： 交点为： 距离为： =

支持向量机 ,最优化模型 。保证分类面到两类距离相等 min w'x+wo K∈0 wT →minw'xh=minwx++e。=C

 最优化模型 ◦ 保证分类面到两类距离相等 1 2 1 2 0 0 0 0 + + min min min + min + T T T T w w w w C                         x x x x w x w x w w w x w x