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，负余量超平面方程为 w 。 x x -b = -1，中间（最佳）超平面方程为 w 。 x -b = 0）。我了解如何使用该教程的平面正常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 ，整个向量将为（ x - x1> x1 ），对于某些 x 。如果 w 是平面的正常向量，则 w 。最终，我们将获得表格 W 。 x = b
现在，要获得超平面，我们需要一个正常的向量和已知点。该算法如何在没有数据点（我认为这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。
您误解了一个基本事实：使用给定的数据点，不需要算法以 w.x-b = 0 表示超平面。该算法可以随意将其更改为方便其每个功能的任何形式。
解决方案是显而易见的，正如您已经发现的那样：算法确实必须使用数据集的点之一。实际上，如果分区是理想的（错误的一侧没有数据），则是中间的
但是，发现超平面是微不足道的。（1）正和负重平面是平行的，（2）最佳平面将它们的分离分离。到（1），这三个平面都具有相同的正常向量。到（2），参考点可以是连接两个平面上两个点的任何段的中点。
简要地，选择一个阳性支持向量和负支持向量；这些躺在每个飞机上。找到它们之间的中点，与普通向量卷积，并且有您的最佳平面。