机器学习 课件 第4章　采样与非参数贝叶斯方法 .pptx

;;;支持向量机（supportvectormachine，SVM）;;线性可分情况;;构造Lagrange函数：;线性不可分情况;利用Lagrange优化方法，将转化为对偶问题，即最大化;;;基于Mercer核展开定理，通过用内积函数定义的非线性变换，将输入空间映射到高维特征空间（Hilbert空间），在这个高维空间中寻找输入变量和输出变量之间的关系。

;;;常用的核函数;常用的核函数;常用的核函数;常用的核函数;常用的核函数;常用的核函数;非线性支持向量机;非线性支持向量机;优化问题的对偶形式：;;;;;直接法：直接修改目标函数，将多个分类面的参数求解合并到一个最优化