统计学习方法-7 支持向量机-2
2019-07-07 本文已影响0人
Eric_i33
2 线性支持向量机
线性可分支持向量机过于理想化，当训练集不是线性可分时，无法得到最优解，因为此时原问题的不等式约束不能全部成立，即存在离群点（outlier），Slater条件不成立，进而KKT条件不成立。
2.1 引入松弛变量，对问题进行变形
目标函数变形
2.2 更新KKT条件（相比更为复杂）
注：
未完待续
目标函数变形
目标函数变形
2 线性支持向量机
线性可分支持向量机过于理想化，当训练集不是线性可分时，无法得到最优解，因为此时原问题的不等式约束不能全部成立，即存在离群点（outlier），Slater条件不成立，进而KKT条件不成立。
2.1 引入松弛变量，对问题进行变形
目标函数变形
2.2 更新KKT条件（相比更为复杂）
注：
未完待续
