支持向量机SVM原理（下）

本文主要基于youtube上的视频（炼数成金机器学习课程）：https://www.youtube.com/watch?v=Cz144VkaRUQ

1 线性不可分系统的SVM

松弛变量：被分错的点到支持平面的距离。

（多了上界C）

2 对偶问题的解法

SMO算法的具体内容可以参考：https://blog.csdn.net/m0_37622530/article/details/80933353。

3 映射到高位空间

映射部分可以参考：https://blog.csdn.net/m0_37622530/article/details/80934555

通过映射到高维空间解决非线性问题。如下图：

蓝色和粉色为分别的两类；映射后，由于蓝色的半径大小比粉色大，实现分离。

扫描二维码关注公众号，回复： 2108295 查看本文章

维度灾难：由于抬高维度带来的更多计算量。