www-ai.cs.tu-dortmund.de/LEHRE/VORLESUNGEN/KDD/SS14/FOLIEN/7DMSVM1.slides.2014.pdf
1998, 121-167
Vertiefung: Bernhard Schölkopf, Alexander Smola “Learning with Kernels”, MIT Press, 2002
4 von 39
Hinführungen zur SVM (Support Vector Machine) Maximum Margin Methode Zusammenfassung
Probleme [...] ~x , ~β
〉 − 〈 ~a , ~β
〉 (2)
= 〈 ~x − ~a , ~β
〉 (3)
= ‖~x − ~a‖ · ‖~β‖·︸ ︷︷ ︸ >0
cos(](~x − ~a, ~β)) (4)
Da die Längen nicht-negative sind, kann nur der Term cos(](~x − ~a, ~β)) negativ werden. Das heißt …