支援向量機是一種二類分類模型。在介紹svm之前，需要先了解支援向量這一概念，支援向量是訓練樣本的乙個子集，這一子集是二類分類的決策邊界。
在二類分類過程中，可能存在無數個能夠正確分離二類資料的超平面，如圖1所示。
但是不是所有的超平面都在未知資料上執行的都很好，例如圖2中的超平面b
1 就比超平面b
2 要好，因為b
1 距離支援向量的間隔(b
12 – b
11 )大於b
2 距離支援向量的間隔(b
22 – b
21 )。支援向量機就是要找乙個超平面，其距離支援向量的間隔最大。
線性svm的基本模型是定義在特徵空間上的間隔最大的線性分類器。通過使用核函式，svm也可以成為非線性分類器。
機器學習之svm專題
svm如何用於回歸分析 手把手教你實現svm 演算法 一 四顆星 lr與svm的異同 支援向量機通俗導論 理解svm的三層境界 1000多個贊。距離度量 支援向量 損失函式 對偶問題 拉格朗日乘法 核函式 軟間隔 1 解決高維特徵的分類問題和回歸問題很有效，在特徵維度大於樣本數時依然有很好的效果。2...
機器學習之SVM介紹
support vector machine，在機器學習中，svm 既可以做回歸，也可以做分類器。svm 主要是幫我們找到乙個超平面，使不同的樣本分開，並且是各個樣本集到超平面的距離之和最大化。支援向量就是距離超平面最近的樣本點，確定了支援向量也就確定了超平面。硬間隔 在滿足線性可分的基礎上，分類完...
機器學習之SVM簡介
機器學習之svm簡介，在深度學習 2012 出現之前，svm是ml演算法中最優秀的演算法。支援向量機，本質是個分類器。核技巧 間隔最大 當間隔最大的時候，他的泛化能力是最強的，魯棒性最高。基於最大間隔分割資料。分割的超平面有無數個，找的是最大化的 尋找乙個能把樣本分割開的超平面 分割超平面 max ...