標籤:

台大林軒田機器學習課第二十講筆記:軟間隔支持向量機

本講介紹了SVM中實際上最常用的形式:軟間隔支持向量機。出發點是不再堅持SVM必須要把訓練集中的點完全分開,而是把每個點越界了多少這個值作為一個懲罰項。加入懲罰項以後,可以看到要求解的問題仍然是一個QP問題,可以找到其對偶問題,且該對偶問題跟前面介紹的硬間隔支持向量機的形式類似,只是 alpha_n 多了一個上限 C 做約束。這意味著數據集中所有點可以分成三種:不重要的、在邊界上的和違反了邊界條件的,這對做數據分析很有用。最後,再次介紹可以使用交叉驗證的方法確定最優的SVM的參數,而且由於SVM本身的性質,根據SVM中支持向量的個數篩選模型也是一種合理的做法

詳細內容戳我


推薦閱讀:

Tensorflow實現二分類線性SVM
為什麼svm不會過擬合?
我對於SVM的理解,以及Python實現
BAT機器學習面試1000題系列(181-185題)

TAG:機器學習 | SVM |