【模式识别与人工智能】19-第三章-第四节-支持向量机-硬间隔支持向量机.pptxVIP

第三章支持向量机-硬间隔支持向量机模式识别与人工智能授课教师：栾声扬汇报人：何紫齐

CONTENTS原问题与对偶问题2硬间隔1

PART01硬间隔

3.4.1硬间隔引入假设样本点是线性可分的，感知机模型的思想是：利用分割超平面将样本点划分为两类；分割超平面为。假设存在误分类点，则通过误分类点到分割超平面的距离最小来不断调整超平面，直至所有误分类点被纠正后迭代停止。由于初始的和取值不同，因此最后得到的分割超平面也有可能不同，所以感知机模型的分割超平面是有多个的。第四节硬间隔支持向量机

图1二分类问题在①、②、③这三个超平面中，哪个对样本的分类效果最好？为什么？②号好，因为该超平面对训练样本局部扰动的“容忍性”最好，鲁棒性最强，泛化能力最强。如何明确定义最优的超平面？支持向量机（SupportVectorMachines，SVM）模型第四节硬间隔支持向量机3.4.1硬间隔

支持向量机（SupportVectorMachines，SVM）模型支持向量机模型和感知机模型一样，也是一种二分类模型，支持向量机模型的思想是：不仅要让样本点被分割超平面分开，还希望那些离分割超平面最近的点，其最小的距离最大。分类硬间隔支持向量机（样本集线