04 | SVM 支持向量机 ¶
约 166 个字 预计阅读时间 1 分钟
SVM：optimize the margin 在所有0 error的情况下，选择最大的margin, 使得模型更加鲁棒
non-linear SVM: kernel trick
\(\Phi: x \rightarrow \phi(x)\)
对抗样本攻击：增加鲁棒性，减少泛化性
计算每个点到决策边界的距离 \(\gamma\)
- Maximum Margin Classifier: 数据集最小的 margin 目的就是要找到一个决策边界，使得margin最大
为什么使用这种方法 - 裕度更高，容错性更好 - 如果margin越大，对于噪声的容忍度越高
核函数 ¶
求解 ¶
对偶问题 ¶
KKT 条件 ¶
SMO 算法 ¶
替代损失函数 ¶
loss+ 正则化项 constrain: