支持向量机SVM演讲稿概要.ppt

SVM的形成思路--线性分类器 我们就明白为何要选择几何间隔来作为评价一个解优劣的指标了，原来几何间隔越大的解，它的误差上界越小。因此最大化几何间隔成了我们训练阶段的目标 SVM的形成思路--线性分类器的求解 SVM的形成思路--线性分类器的求解 SVM的形成思路--线性分类器的求解 SVM的形成思路--线性分类器的求解 造成这种结果的原因是在描述问题的时候只考虑了目标，而没有加入约束条件，约束条件就是在求解过程中必须满足的条件，体现在我们的问题中就是样本点必须在H1或H2的某一侧（或者至少在H1和H2上），而不能跑到两者中间。 我们前文提到过把间隔固定为1，这是指把所有样本点中间隔最小的那一点的间隔定为1（这也是集合的间隔的定义，有点绕嘴），也就意味着集合中的其他点间隔都不会小于1，按照间隔的定义，满足这些条件就相当于让下面的式子总是成立： yi[(w·xi)+b]≥1 (i=1,2,…,l) （l是总的样本数） 但我们常常习惯让式子的值和0比较，因而经常用变换过的形式： ??? yi[(w·xi)+b]-1≥0 (i=1,2,…,l) （l是总的样本数） 因此我们的两类分类问题也被我们转化成了它的数学形式，一个带约束的最小值的问题： SVM的形成思路--线性分类器的求解 SVM的形成思路--线性分类器的求解 SVM的形成思路--线性分类器的求解 那么w是谁决定