[ML Notes] SVM:回归
在线性回归问题中,给定训练样本 $D = \{(\boldsymbol x_1, y_1), (\boldsymbol x_2, y_2), \dots, (\boldsymbol x_m, y_m)\}$,$y_i \in \mathbb{R}$,我们希望找到一个模型 $$ f(\boldsymbol x) = \boldsymbol w^\mathrm{…
Read more
learn, build, evaluate
在线性回归问题中,给定训练样本 $D = \{(\boldsymbol x_1, y_1), (\boldsymbol x_2, y_2), \dots, (\boldsymbol x_m, y_m)\}$,$y_i \in \mathbb{R}$,我们希望找到一个模型 $$ f(\boldsymbol x) = \boldsymbol w^\mathrm{…
Read more
1. 软间隔支持向量机 实际问题中,往往不能事先知道样本在特征空间中是否线性可分;即便线性可分,这也可能是发生了过拟合。 软间隔(soft margin)的支持向量机允许在一些样本上出错,即不满足约束条件 $$ y_i(\boldsymbol w^\mathrm{T} \boldsymbol x_i + b) \geq 1 \tag{1} $$ 在原…
Read more