SVM算法如何找到最佳超平面？正边缘超平面方程为 w 。 x -b = 1，负边缘超平面方程为 w 。 x -b = -1，中间（最佳）超平面方程 w 。 x -b = 0）。 我理解如何通过http://pastebin.com/f308C4jN使用该平面的法向量和已知的向量点（不是整个向量）来获得超平面方程。假设已知的向量点是 x1 ，整个向量将是（ x - x1 ），对于某些 x 。如果 w 是平面的法向量，则 w 。（ x - x1 ）= 0;最终我们将获得 w 形式。 x = b
现在，为了获得超平面，我们需要一个法向量和已知点。算法如何在训练数据中没有数据点（我认为是方程中需要的已知矢量点）的中间创建超平面？
也许我误解了某些东西或者我的逻辑不正确。
答案 0 :(得分：0)
您误解了一个基本事实：使用给定的数据点，算法不需要用 w.x-b = 0 来表示超平面。该算法可以自由地将其更改为适合其每个函数的任何形式。
解决方案很明显，因为您已经发现它：算法不必须使用数据集中的一个点。事实上，如果分区是理想的（没有错误的数据）， 中间没有任何一点。
然而，发现超平面是微不足道的。 （1）正和负超平面是平行的，（2）最佳平面将它们的分离平分。通过（1），所有三个平面具有相同的法向量。通过（2），参考点可以是连接相对平面上的两个点的任何段的中点。
简而言之，选择一个正支持向量和一个负支持向量;这些位于每个平面上。找到它们之间的中点，与法线向量进行卷积，并找到最佳平面。