[学习笔记] 【学习笔记】为什么线性可分数据集中SVM的模型，结果会至少有2个以上的支持向 ... [推广有奖]

0关注
0粉丝

硕士生

36%

还不是VIP/贵宾

威望: 0 级
论坛币: 500 个
通用积分: 45.8527
学术水平: 0 点
热心指数: 0 点
信用等级: 0 点
经验: 680 点
帖子: 128
精华: 0
在线时间: 0 小时
注册时间: 2019-12-1
最后登录: 2020-3-7

楼主

Luky々 发表于 2020-3-2 20:48:14 来自手机 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

为什么线性可分数据集中SVM的模型，结果会至少有2个以上的支持向量？
答：SVM是一个二分类模型，在线性可分的数据集中会通过硬间隔最大化，学习一个分离超平面的线性分类器。在wx+b=0这个分割超平面两边，我们一般设距离这个分割超平面距最近的点为我们的支持向量，在SVM中支持向量到超平面的函数距离一般设置为1，因此wx+b=0这个分割超平面两边存在另外两个超平面wx+b=1、wx+b=-1；在这两个超平面上的样本就是我们的支持向量，并且一个超平面上至少存在一个点；因此在线性可分数据集中SVM模型的结果会出现至少有两个以上的支持向量。