machine-learning - 支持向量机有什么好处>

Question

我已经了解了支持向量机，并得到了成本函数的方程： J(M,D) = C/2 |w|^2 + sum((D_hinge(x,y,M)) 而且，我明白当你取它的梯度并将其设置为 0，然后求解 w，你得到： w = 1/(C * Dtra) * sum for (x,y) in support vector of: xy. 基本上，你得到w 的支持向量的值。我不明白的是：这样做的目的是什么？这个 w 的计算值是最小值吗？如果不是，你如何使用这个公式来计算 w？对不起，如果方程是令人困惑的是，stackoverflow 上还没有数学模式:(

标签： machine-learningsvm