支持向量机之目标函数

支持向量机简单理解之目标函数

  支持向量机（SVM）一般用于分类，当然，还可用于回归，如果感兴趣，可在网上查阅，本文主要简单介绍SVM的部分原理，为了方便理解，对于太复杂的公式，等理解了一部分再看。
  SVM可用于线性可分以及线性不可分的情况，当然，我们学习其原理的时候，先学最基础的，后面再学难一点的，只会事半功倍。本文暂时只说明线性可分的SVM，至于线性不可分的情况以及序列最小最优化（SMO）算法，后面再写几篇进行补充。
  以下是我根据个人理解，尽可能简单的阐述其原理，如有错误之处，请指出，我会加以改正的。

  首先引入一个问题：现有一些样本，分为两种类别，这些样本有多个维度（本文以两维举例），让你根据这些样本，去预测新的样本的类别？
话不多说，看图>>>

  很显然，我们一眼就能看出来，这很明显的分成了两类，但是，计算机不能一眼就“看出来”，既然这是两维的，那就画一条直线，把他们分开吧！（当然，也可以画曲线，但涉及核函数，下下下篇博客再写，哈哈…）
  现在，我大概画了几条直线，用于将它们分开

  不知到你怎么看，我是觉得绿色的线比较好，如果你也这样觉得，那好巧啊，SVM也这样觉得，它表示，距离分割线最近的正负样本的两个点与分割线距离之和越大越好，且最佳的分割线与这两个最近点的距离相等。（我是用个人理解的话语说的，可能，你有更好的表述方式，欢迎跟我说）
  请注意，下面，我要关门放“公式”了，不过不要