支持向量机 `Support Vector Machines`

作者@ weanl
创建于 2018-12-13T14:20:00
关键词: SVM kernel method
预备知识:

1. 背景介绍

  （举个栗子）

2. 特点分析

3. 形式化

  (说明：小写字母非加粗，如 y 表示一个值scalar；小写字母加粗，如 {\bf x} 表示一个(列)向量vector；大写字母加粗，如 {\bf X} 表示一个矩阵matrix)
  若样本 {\bf x} 分布在 d 维(实数)空间， {\bf x} \in {\mathbb R}^d ，一般样本的分类标签 y 可以在 {\mathbb R}^1 的空间内表示，二分类情况下 y \in \{ -1, +1\} ，带标签的样本(训练)集可以表示为 {\mathbb S}_{train} = \{ ({\bf x_1}, y_1), ({\bf x_2}, y_2), ..., ({\bf x_M}, y_M)\} 。

-1. 参考材料

且听下回分解

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容