From fd8403c57d94640f0229cd62d46a749042df0e43 Mon Sep 17 00:00:00 2001 From: CoderOverflow Date: Mon, 8 Apr 2019 03:21:14 +0800 Subject: [PATCH] =?UTF-8?q?2.18.2=20=E6=94=AF=E6=8C=81=E5=90=91=E9=87=8F?= =?UTF-8?q?=E6=9C=BA=E8=83=BD=E8=A7=A3=E5=86=B3=E5=93=AA=E4=BA=9B=E9=97=AE?= =?UTF-8?q?=E9=A2=98=20=E5=86=85=E5=AE=B9=E4=BF=AE=E8=AE=A2?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 2.18.2 支持向量机能解决哪些问题 内容修订 --- ch02_机器学习基础/第二章_机器学习基础.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/ch02_机器学习基础/第二章_机器学习基础.md b/ch02_机器学习基础/第二章_机器学习基础.md index 716746f..26f12c3 100644 --- a/ch02_机器学习基础/第二章_机器学习基础.md +++ b/ch02_机器学习基础/第二章_机器学习基础.md @@ -1528,13 +1528,13 @@ $$ **线性分类** -​ 在训练数据中，每个数据都有n个的属性和一个二类类别标志，我们可以认为这些数据在一个n维空间里。我们的目标是找到一个n-1维的超平面，这个超平面可以将数据分成两部分，每部分数据都属于同一个类别。 +​ 在训练数据中，每个数据都有n个的属性和一个二分类类别标志，我们可以认为这些数据在一个n维空间里。我们的目标是找到一个n-1维的超平面，这个超平面可以将数据分成两部分，每部分数据都属于同一个类别。 -​ 这样的超平面有很多，假如我们要找到一个最佳的。此时，增加一个约束条件：要求这个超平面到每边最近数据点的距离是最大的，成为最大间隔超平面。这个分类器即为最大间隔分类器。 +​ 这样的超平面有很多，假如我们要找到一个最佳的超平面。此时，增加一个约束条件：要求这个超平面到每边最近数据点的距离是最大的，成为最大边距超平面。这个分类器即为最大边距分类器。 **非线性分类** -​ SVM的一个优势是支持非线性分类。它结合使用拉格朗日乘子法和KKT条件，以及核函数可以产生非线性分类器。 +​ SVM的一个优势是支持非线性分类。它结合使用拉格朗日乘子法（Lagrange Multiplier）和KKT（Karush Kuhn Tucker）条件，以及核函数可以生成非线性分类器。 ### 2.18.3 核函数特点及其作用？