我想我理解支持向量机的主要思想。让我们假设我们有两个线性可分类并且想要应用 SVM。SVM 所做的是它搜索一个超平面最大化边距(从超平面到最近的数据点)。
这个距离由。因此,最大化距离等同于最小化(受约束)。
这是我的问题:在文献中我看到被最小化而不是.
我可以看到最小化相当于最小化,但为什么我们更喜欢最小化呢?
为什么最小化比最小化更好?
我想我理解支持向量机的主要思想。让我们假设我们有两个线性可分类并且想要应用 SVM。SVM 所做的是它搜索一个超平面最大化边距(从超平面到最近的数据点)。
这个距离由。因此,最大化距离等同于最小化(受约束)。
这是我的问题:在文献中我看到被最小化而不是.
我可以看到最小化相当于最小化,但为什么我们更喜欢最小化呢?
为什么最小化比最小化更好?
范数难解因为这涉及平方根。这就是为什么我们可以毫无问题
我们通常会附加用于数学目的,当我们使用拉格朗日乘子推导函数以优化它以找到解决方案时。