2.支持向量機的數學原理
這裏推薦這兩篇文章
https://blog.csdn.net/qq_35992440/article/details/80987664
https://www.cnblogs.com/liaohuiqiang/p/7805954.html
兩篇博客對向量機的原理和拉格朗日乘子法的原理介紹的很清楚,搭配看效果更佳。
下面簡要介紹其思路:
如上篇文章介紹,支持向量機其最終目的即爲找到分割數據集的超平面,並且使其距離兩側點的距離最大,找到這樣一個超平面,SVM訓練就結束了。爲此,向量機對被找到的超平面做了如下數學歸納:
對於y標籤爲+1的向量,將其帶入平面方程計算結果應該大於+1,對於標籤爲-1的向量,其計算結果應該小於-1.這樣我們就得到了三個平面,
分別爲
我們需要求中間的平面,兩側的平面則成爲約束條件,
經過幾何推導,可以得到SVM需要訓練的目標:
對其使用拉格朗日乘子法處理,可以得到其優化目標:
通過最小化目標,得到的結果即爲獲得的超平面