机器学习之SVM算法

1、知识点

"""
SVM,也称支持向量机：其优化核心为求取点到平面的距离最大化,主要是解决二分类问题
    y = wx+b ，且 yi * y(i) >0  恒成立
    思想：argmax{min[yi *(wx+b) ]/||w||}
        min[yi *(wx+b) ]:求取距离直线最近的样本点
        argmax：求取距离最近的样本点距离最大的值

    优化目标：max(w,b){1/||w||}， 约束条件yi * y(i) >=1  ,采用拉格朗日求取最小值
    所有边界上的点(这个点也叫支持向量) ，阿尔法不等于 ，不在边界上的点，阿尔法等于0
    支持向量是真正发挥作用的带你，阿尔法不为0 的点

    核变换：解决线性不可分问题 ，核函数有：径向基函数、高斯函数、rbf函数
"""

2、代码

3、目标函数

4、优化目标

标签：yi,SVM,机器,函数,求取,阿尔法,算法,向量,wx
来源： https://www.cnblogs.com/ywjfx/p/10954097.html