原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
线性支持向量机分类器
线性支持向量机分类器
线性可分情况
,∈,∈−⋯,
•设线性可分的训练样本
分类超平面：+
两类样本：
+对于=
+−对于=−
=+=+−
线性支持向量机分类器
•超平面H1到原点的距离：|‖
超平面H2到原点的距离：|−‖
‖
•分类间隔｜H1H2｜
分类间隔最大就是使‖最小
构造拉格朗日函数求解
约束的二次规划问题：
‖
+−⋯,
H、H上的训练样本点称作支持向量（supportvector，SV）
12
线性支持向量机分类器
2l
||w||
L(w,b,)[ywxb1]
•构造Lagrange函数：iii
2i1
利用Lagrange优化方法，将其转化为对偶问题，即最大化
l1ll1
WyyxxID
i2ijijij2
i1i1j1
满足约束：
0,i1,2,,l最优分类函数：
i
ln
文档评论（0）