【机器学习】支持向量机原理（一）线性支持向量机

引入 　　给定训练集样本  D=(x1,y1),(x2,y2),...,(xm,ym),yi∈{−1,+1}   D = ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x m , y m ) , y i ∈ { − 1 , + 1 } ，支持向量机的核心思想就是基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开。但是能将训练样本分开的划分超平面可

>>阅读原文<<