Svm算法又称为支持向量机，是一种有监督的学习分类算法，目的是为了找到两个支持点，用来使得平面到达这两个支持点的距离最近。
通俗的说：找到一条直线，使得离该线最近的点与该线的距离最远。
我使用手写进行了推导
求解实例
软间隔，通过设置C，使得目标函数的松弛因子发生变化，松弛因子越大，表示分类越不严格
高斯核变化做映射，指的是把低维转换成高维，解决低维不可分的情况
相关文章
- 【机器学习】支持向量机（SVM）——硬间隔+对偶+KKT条件+拉格朗日乘子（理论+图解+公式推导）
- 【机器学习算法-python实现】svm支持向量机(3)—核函数
- 【python】常用分类算法：如逻辑回归、K 近邻、决策树、朴素贝叶斯、 支持向量机、随机森林
- 机器学习中的算法(2)-支持向量机(SVM)基础
- 【lssvm回归预测】基于鸽群算法优化最小二乘支持向量机PIO-lssvm实现数据回归预测附matlab代码
- 支持向量机算法之鸢尾花特征分类【机器学习】
- Python中使用支持向量机(SVM)算法
- 【机器学习】Support Vertor Machine 支持向量机算法 + 数学公式推导 + Python代码实战
- 详解支持向量机-硬间隔SVM-模型求解-引出对偶问题&引出KKT条件【白板推导系列笔记】
- [笔记]关于支持向量机（SVM）中 SMO算法的学习（一）理论总结