From 629e35fe2a95c0fa62345392f98e549d1ccd64b2 Mon Sep 17 00:00:00 2001 From: jiangzhonglian Date: Thu, 20 Apr 2017 17:49:14 +0800 Subject: [PATCH] =?UTF-8?q?=E6=9B=B4=E6=96=B0SVM=E7=9A=84=E5=85=AC?= =?UTF-8?q?=E5=BC=8F?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/6.支持向量机.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/6.支持向量机.md b/docs/6.支持向量机.md index a3dba2f6..83f1a5df 100644 --- a/docs/6.支持向量机.md +++ b/docs/6.支持向量机.md @@ -75,7 +75,7 @@ This is the simplest kind of SVM (Called an LSVM) Support Vectors are those data * 1.如果 \\(lable*(w^Tx+b)>0\\) 表示预测正确，也称`函数间隔`，\\(||w||\\) 可以理解为归一化，也称`几何间隔`，我们始终可以找到一个阈值让 \\(lable*(w^Tx+b)>=1\\) * 2.所以令 \\(lable*(w^Tx+b)=1\\)，我们本质上是求 \\(arg: max\{关于w, b\}\ (1/||w||)\\)；也就说，我们约束(前提)条件是: \\(lable*(w^Tx+b)=1\\) * 新的目标函数求解： \\(arg: max\{关于w, b\}\ (1/||w||)\\) - * => 就是求: \\(arg: min\{关于w, b\}\ (||w||)\\) (求矩阵会比较麻烦，如果x只是1/2*X^2的偏导数，那么。。同样是求最小值) + * => 就是求: \\(arg: min\{关于w, b\}\ (||w||)\\) (求矩阵会比较麻烦，如果x只是 \\(\frac{1}{2}*x^2\\) 的偏导数，那么。。同样是求最小值) * => 就是求: \\(arg: min\{关于w, b\}\ (\frac{1}{2}*||w||^2)\\) (二次函数求导，求极值，平方也方便计算) * 本质上就是求线性不等式的二次优化问题(求分隔超平面，等价于求解相应的凸二次规划问题。) * 通过拉格朗日乘子法，求二次优化问题