zoukankan      html  css  js  c++  java
  • 统计学习方法六:支持向量机三(支持向量定量理解和算法总结)

    这篇博客主要包含两个部分:

    1、结合拉格朗日算法和KKT条件对支持向量有一个定量的理解
    
        带约束条件的最优化问题,通常可以采用拉格朗日方法求解
        (1)约束条件为等式 ——> 偏导=0即可
        (2)约束条件为不等式 ——> 还需要满足KKT条件
    
        结合上述约束,将其带入硬间隔和软间隔支持向量机,可以通过拉格朗日乘子、惩罚因子以及松弛变量确定一个数据点是否为支持向量
    
    2、对三种支持向量模型的最优化算法进行总结
    
        目标函数 —> 拉格朗日方程式 —> 对w,b求极小 —> 对a求极大 —> 用a表示w和b —> 决策函数
    

    由于涉及的符号太多,所以就全部手写了,虽然字写飞了,但是饱含了满满的诚意,估计再过些日子看会感动的哭吧...

    一、支持向量

    二、算法

  • 相关阅读:
    数组与方法
    数据类型
    认识Java(2)
    认识Java(1)
    面试题集锦
    00-python语言介绍
    06-python-生成器、循环器
    00-python-内置函数笔记
    04-python-闭包
    03-python-装饰器
  • 原文地址:https://www.cnblogs.com/naonaoling/p/5700555.html
Copyright © 2011-2022 走看看