【机器学习笔记】第六章：支持向量机

对于线性可分数据集，支持向量机就是找距离正负样本都最远的超平面，相比于感知机，其解是唯一的，且不偏不倚，泛化性能好

支持向量机利用拉格朗日对偶将其转化成凸优化问题

• 并不是只有这一种方法可以实现转换成凸优化，只是这里选用了拉格朗日方法来实现
  核函数：
  在现实任务中，原始样本空间内也许并不存在一个能够正确划分两类样本的超平面，对这样的问题，可将样本从原始空间映射到一个更高维的特征空间，使得样本在这个特征空间内线性可分。
  
  经验：文本数据通常使用线性核，情况不明时尝试高斯核
  ​参考笔记​​