这样我们可以得到一个带正则项的损失函数： 可以看到，这个误差函数中后面一部分与SVM中的目标函数类似，我们再将二次...[作者空间]
今天我们来探究一下比较令人头疼的一个问题，SMO算法。 1、求解问题 我们首先来回顾一下我们要解决的问题，在将SV...[作者空间]
我们的SVM算法在前面的十讲中已经基本介绍完毕了，现在还剩下两个小问题，一个是SVM的损失函数问题，一个是求解α的...[作者空间]
1、离群点 在最开始讨论支持向量机的时候，我们就假定，数据是线性可分的，亦即我们可以找到一个可行的超平面将数据完全...[作者空间]
1、线性可分到线性不可分 前面我们介绍了线性情况下的支持向量机，它通过寻找一个线性的超平面来达到对数据进行分类的目...[作者空间]
在前面的两讲中，我们分别介绍了拉格朗日乘子法和在有不等式约束情况下最优解必须满足的KKT条件，接下来我们就可以利用...[作者空间]
上一讲我们介绍了最优化问题的两种形式，无约束的和等式约束条件下的，这一讲，我们主要介绍不等式约束条件下的最优化问题...[作者空间]
在前面的几讲中，我们终于引出了支撑向量的概念，同时得到了求解最大间隔分类器的目标规划式，接下来，我们就要对该式进行...[作者空间]
上一讲中我们介绍了最大间隔分类器的概念，这一节，我们介绍一下什么是支撑向量： 1、支撑向量 支撑向量的英文名叫su...[作者空间]
上一节，我们了解了函数间隔和几何间隔的概念，明确了我们要使用几何间隔来计算数据点到超平面的距离，这一节，我们将最大...[作者空间]
上一节我们讲到，我们要像线性分类器一样找到一个超平面，不仅能够对数据点进行一个准确的分隔，同时我们希望所有的点尽量...[作者空间]
看过了上一节的故事，相信你对SVM已经有了一个直观的认识，故事中以二维平面上的点来介绍SVM算法，并且看到了可以直...[作者空间]
SVM作为最为经典的机器学习算法之一，面试中会经常被面试官问道，最近想要细心钻研机器学习算法，不如就先从这一经典的...[作者空间]
