답변:
기본 지원 벡터 머신은 하드 마진 SVM을 의미한다고 생각합니다. 자, 검토해 봅시다 :
요컨대, 훈련 표본 공간에서 모든 관측 값을 올바르게 분리 할 수있는 가장 큰 마진을 가진 초평면을 찾고자합니다.
위의 정의가 주어지면 해결해야 할 최적화 문제는 무엇입니까?
max(margin)
margin
하고 또한 제약 조건을 만족 없음을에서 샘플 오류질문으로 돌아가서, 특징 변환없이 하드 마진 SVM을 사용하여 학습 데이터 세트를 선형으로 분리 할 수 없다고 언급 했으므로 "샘플링 오류 없음"을 만족하는 하이퍼 플레인을 찾는 것은 불가능합니다 .
일반적으로 우리는 Quadratic Programming으로 SVM 최적화 문제를 해결합니다. 제약 조건으로 최적화 작업을 수행 할 수 있기 때문입니다. 하드 마진 SVM의 제약 조건을 충족시키지 않고 Gradient Descent 또는 기타 최적화 알고리즘을 사용하는 경우에도 결과가 발생하지만 하드 마진 SVM 하이퍼 플레인은 아닙니다.
그건 그렇고, 비선형 적으로 분리 가능한 데이터로 보통