这样我们可以得到一个带正则项的损失函数： 可以看到，这个误差函数中后面一部分与SVM中的目标函数类似，我们再将二次误差函数替换为⼀个ϵ -不敏感...

今天我们来探究一下比较令人头疼的一个问题，SMO算法。 1、求解问题 我们首先来回顾一下我们要解决的问题，在将SVM原始问题转换成为对偶问题之后...

1、离群点 在最开始讨论支持向量机的时候，我们就假定，数据是线性可分的，亦即我们可以找到一个可行的超平面将数据完全分开。后来为了处理非线性数据，...

1、线性可分到线性不可分 前面我们介绍了线性情况下的支持向量机，它通过寻找一个线性的超平面来达到对数据进行分类的目的。不过，由于是线性方法，所以...

上一讲我们介绍了最优化问题的两种形式，无约束的和等式约束条件下的，这一讲，我们主要介绍不等式约束条件下的最优化问题，并介绍一下我们的KKT条件。...

上一讲中我们介绍了最大间隔分类器的概念，这一节，我们介绍一下什么是支撑向量： 1、支撑向量 支撑向量的英文名叫supporting vector...

上一节，我们了解了函数间隔和几何间隔的概念，明确了我们要使用几何间隔来计算数据点到超平面的距离，这一节，我们将最大间隔分类器的概念。 1、最大间...