每天五分钟机器学习：支持向量机数学基础之超平面分离定理

本文重点

超平面分离定理（Separating Hyperplane Theorem）是数学和机器学习领域中的一个重要概念，特别是在凸集理论和最优化理论中有着广泛的应用。该定理表明，在特定的条件下，两个不相交的凸集总可以用一个超平面进行分离。

定义与表述

超平面分离定理（Separating Hyperplane Theorem）又称凸集分离定理，其表述如下：

定义：若C和D为非空凸集，且C ∩ D = ∅，则存在非零向量a和常数b，使得对于所有x ∈ C，有a^T x ≤ b，对于所有x ∈ D，有a^T x ≥ b。也即，存在一个超平面{ x | a^T x = b }将C和D分离。

这个定理的核心在于，两个不相交的凸集总可以找到一个超平面，使得这两个集合分别位于超平面的两侧。

所以根据超平面分离定