1.最优分类超平面
对于感知器，我们知道了在梯度下降迭代过程中，只要选择的权向量初始值和不同的步长，就会产生不同的解，想象一下，只要样本集是线性可分的（不考虑线性不可分的情况，后续深入学习），就会有无数个决策面可以将它们分开，不同的只是距离超平远近的问题，因此对于这种问题就会存在多解性，如图1，但是我们要想办法找到这多解中的最优的一个解，即最优分类超平面。 对于感知器，我们知道了在梯度下降迭代过程中，只要选
阅读背景：
模式识别（Pattern Recognition）学习笔记（十一）--SVM支持向量机（狭义）：大间隔
来源：互联网
分享到：
