数据挖掘中的新方法-支持向量分类机原理.pptVIP

提纲 SVM有关概念介绍 SVM分类问题的数学表示和推导 简单的最优分类面 广义最优分类面 非线性最优分类面 SVM分解算法 History SVM是一种基于统计学习理论的机器学习方法，它是由Boser,Guyon, Vapnik在COLT-92上首次提出，从此迅速发展起来，目前已经在许多智能信息获取与处理领域都取得了成功的应用。 关于SVM 思想： 通过某种事先选择的非线性映射（核函数）将输入向量映射到一个高维特征空间，在这个空间中寻找最优分类超平面。使得它能够尽可能多的将两类数据点正确的分开，同时使分开的两类数据点距离分类面最远。 途径： 构造一个约束条件下的优化问题，具体说是一个带线性不等式约束条件的二次规划问题(constrained quadratic programing),求解该问题，构造分类超平面，从而得到决策函数。 提纲 SVM有关概念介绍 SVM分类问题的数学表示和推导 简单的最优分类面 广义最优分类面 非线性最优分类面 SVM分解算法 分类问题的数学表示 已知：训练集包含 个样本点： 说明： 是输入指标向量，或称输入，或称模式，其分 量称为特征，或属性，或输入指标； 是输出指标，或输出. 问题：对一个新的模式 ，推断它所对应的输出 是