终于拖到最后一天交机器学习作业，选择了SVM算法，之前一直听说过，现在终于有了初步的了解，顺便post到这里分享一下，不足地方请大家指出

本文内容有来自《统计学习算法》（李航著）第7章——支持向量机

同时也看了Stanford机器学习公开课

概要

支持向量机属于监督学习，是一种二类分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，支持向量机包括核心技巧，这使它成为实质上的非线性分类器。支持向量机的学习策略是间隔最大化，可形式化为一个求解凸二次规划的问题。

支持向量机学习方法包含构建由简至繁的模型：线性可分支持向量机、线性支持向量机及非线性支持向量机。简单模型是复杂模型的基础，也是复杂模型的特殊情况。当训练数据线性可分时，通过硬间隔最大化，学习一个线性的分类器，即线性可分支持向量机，又称为硬间隔支持向量机；当训练数据线性近似可分时，通过软间隔最大化，可学习一个线性的分类器，即线性支持向量机，又称为软间隔支持向量机；当训练数据线性不可分时，通过使用核及软间隔最大化，学习非线性支持向量机。

预备知识

函数间隔和几何间隔

KKT条件

线性可分支持向量机与硬间隔最大化

线性可分支持向量机

间隔最大化

支持向量和间隔边界

学习的对偶算法

线性支持向量机与软间隔最大化

非线性支持向量机与核函数

非线性支持向量机

核函数定义

Mercer定理

常用的核函数

实验

下面使用matlab构造一个线性可分训练数据集，利用线性支持向量机学习算法，通过求解目标函数的对偶问题得到最优解并计算分离超平面。

代码如下：

clear all
%构造两类训练数据集
n = 60;
randn('state',6);
x1 = randn(n,2);    %2行N列矩阵
y1 = ones(n,1);       %1*N个1
x2 = 5+randn(n,2);   %2*N矩阵
y2 = -ones(n,1);      %1*N个-1figure;
plot(x1(:,1),x1(:,2),'bx',x2(:,1),x2(:,2),'k.');
hold on;
X = [x1;x2]; % 训练样本
Y = [y1;y2]; % 训练目标,n×1的矩阵,n为样本个数,值为+1或-1tic
%解二次优化方程
n = length(Y);
H = (Y*Y').*(X*X'); % liner kernel
f = -ones(n,1);
A = [];
b = [];
Aeq = Y';
beq = 0;
lb = zeros(n,1);
ub = 100*ones(n,1);
a0 = zeros(n,1);
options = optimset;
options.LargeScale = 'off';
options.Display = 'off';
[a,fval,eXitflag,output,lambda]= quadprog(H,f,A,b,Aeq,beq,lb,ub,a0,options);
eXitflag
time=toc%以下是分类平面：
Y2=a.*Y;W(1)=sum(Y2.*(X(:,1)));W(2)=sum(Y2.*(X(:,2)));aLarge=find(a>0.1);
j=aLarge(1);S(:,1)=Y.*a.*X(:,1);
S(:,2)=Y.*a.*X(:,2);S2=S*(X(j,:)');b=Y(j)-sum(S2);xx1=min(X):0.1:max(X);xx2=-(W(1)*xx1+b)/W(2);plot(xx1,xx2);

实验结果如下图所示：

支持向量机——SVM算法及例子（代码）相关推荐

支持向量机 SVM 算法推导优缺点代码实现 in Python
1.基本思想前面讲到的Logistic Regression在拟合过程,实际上关注所有样本点的贡献,即寻找这么一个超平面,使得正例的特征远大于0,负例的特征远小于0,强调在全部训练数据上达到这一目标 ...
机器学习笔记——支持向量机SMO算法完整版代码分析
机器学习笔记--支持向量机SMO算法完整版代码分析代码大体分析外循环参数类内循环 KKT条件判断 eCache参数完整SMO代码添加核函数代码代码参考书籍:<机器学习实战> ...
机器学习算法 08 —— 支持向量机SVM算法(核函数、手写数字识别案例)
文章目录系列文章支持向量机SVM算法 1 SVM算法简介 1.1 引入 1.2 算法定义 2 SVM算法原理 2.1 线性可分支持向量机 2.2 SVM计算过程与算法步骤(有点难,我也没理解透,建 ...
支持向量机SVM算法原理及应用（R）
支持向量机SVM算法原理及应用(R) 2016年08月17日 16:37:25 阅读数:22292更多个人分类: 数据挖掘实战应用版权声明:本文为博主原创文章,转载请注明来源. https://b ...
一文读懂支持向量机SVM（附实现代码、公式）
来源:机器学习算法与Python学习本文约11000字,建议阅读10+分钟. 本文以简单实例化形式记录学习SVM的过程,力图帮助新手级学习者少走弯路. 支持向量机(SVM),一个神秘而众知的名字,在 ...
机器学习-支持向量机SVM算法
文章目录简介原理硬间隔支持向量对偶问题软间隔核函数 SMO算法小结多分类问题回归问题应用示例前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家.点 ...
支持向量机SVM算法原理笔记2
上篇博客介绍了当样本集是线性可分情况下的SVM算法原理.接下来介绍不存在一个划分超平面可以正确分类的问题,比如说"异或问题". 对于此类问题,可以将样本空间映射到更高维度空间,这样 ...
支持向量机SVM算法
支持向量机SVM 目录支持向量机SVM 1.支持向量机原理 2.如何找出边际最大的决策边界 3.拉格朗日乘数 4.非线性SVM与核函数 5.示例支持向量机(SVM,也称支持向量网络),是机器学习中 ...
优雅的读懂支持向量机 SVM 算法
转自:JerryLead http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982639.html 简介支持向量机基本上是最好的有监督学习算法 ...

支持向量机——SVM算法及例子（代码）

概要