本文由@lonelyrains
有時候感覺很奇怪，在不明白某些東西的時候，邊學反而可能有新的想法（頭腦風暴）；如果前前後後
感覺自己全都懂了，反而做不出什麼有開創性意義的事情出來。也許有的想法最終被證實然並卵，甚至很可笑，那也無傷大雅。
不知道這種感覺可不可以用計算機來表達。
對於向量機的學習，也有這種類似的感覺。下面就向量機給出個人認為可能的引申。
向量機的三大步：
1、最大間隔分類器
2、線性不可分到線性可分
3、鬆弛變數、核函式
雖然現在仍不明白向量機的具體原理，但是字面上明白最大間隔分類器的意思。所以假設有一種推廣：將原樣本對映到多種維度，分別求解最大間隔分類，然後試圖找在不同維度這些最大間隔分類值得進一步分析的地方，然後統一到一種形式，以達到多維分類最佳。再有新樣本時，就可以從多維度判斷最優分類了。
機器學習 支援向量機 SVM
svm 方法的基本思想是 定義最優線性超平面，並把尋找最優線性超平面的演算法歸結為求解乙個凸規劃問題。進而基於 mercer 核展開定理，通過非線性對映 把樣本空間對映到乙個高維乃至於無窮維的特徵空間 hilbert 空間 使在特徵空間中可以應用線性學習機的方法解決樣本空間中的高度非線性分類和回歸等...
機器學習 支援向量機SVM
svm是一種監督學習演算法，主要用於分類 回歸 異常值檢測。目前應用於文字分類 手寫文字識別 影象分類 生物序列分析。支援向量機是一種通過某種非線性對映，把低維的非線性可分轉化為高維的線性可分，在高維空間進行線性分析的演算法。支援向量機 svm，support vector machine 是根據統...
機器學習 支援向量機SVM
通俗詳見 要明白什麼是svm，便得從分類說起。分類作為資料探勘領域中一項非常重要的任務，它的目的是學會乙個分類函式或分類模型 或者叫做分類器 而支援向量機本身便是一種監督式學習的方法 至於具體什麼是監督學習與非監督學習，請參見此系列machine l data mining第一篇 它廣泛的應用於統計...