支持向量机
支持向量机(Support Vector Machine,SVM)是Corinna Cortes等于1995年首先提出,是一种监督学习方法,核心思想是找到一个超平面对数据进行分割。用到局部对偶理论、库恩—塔克尔定理和核方法。
(1)局部对偶理论(Local Duality Theorem)
在条件为等式的情况下,最小化目标函数,问题转化为最小化一个目标公式。公式如下:
利用拉格朗日乘子法把问题转化为如下公式:
(2)库恩—塔克尔定理(Karush-Kuhn-Tuchker Theorem,KKT)
库恩—塔克尔定理解决的是约束条件是不等式的情况。
问题如下:
(3)核方法(kernel method)
在原始数据的空间中,原始数据不好找到超平面进行划分,利用核函数对原始数据进行映射,到新的空间里,新的数据是可以划分的,这种方法称核方法(kernel method)。
常见的和函数有如下:
(4)支持向量机的理论
支持向量机的目的是要找到离不同数据之间的距离最大的超平面,假设是二维的情况。
目标公式如下: