svm的主要思想在於對於分類問題，找到分類的分割線，因為這條分割線可以有多條，我們應該找那條與各個資料最大距離的那一條線。
找最大間隙的原因：
1. 直覺上是最安全的
2. 如果我們在邊界的位置發生了乙個小錯誤（它在垂直方向上被顛倒），這給我們最小的可能導致錯誤分類。
3. cv（cross validation 交叉驗證）很容易，因為該模型對任何非支援向量資料點的去除是免疫的。
4. 有一些理論表明這是一件好東西。
5. 從經驗角度上說它的效果非常非常好。
至於怎麼找，唔，有點難推，簡單看了而已。
允許資料點可以處於分隔面錯誤的一側
懲罰因子，c值越大，表示離群點影響越大，就越容易過度擬合；反之有可能欠擬合。
1、先隨機選取兩個點，然後判斷**的誤差
2、對兩個點判斷上同側還是異側，然後進行相加或者想減
支援向量機（SVM）
簡介 術語 支援向量機 svm 是乙個類分類器，正式的定義是乙個能夠將不同類樣本在樣本空間分隔的超平面。換句話說，給定一些標記 label 好的訓練樣本 監督式學習 svm演算法輸出乙個最優化的分隔超平面。首先我們假定有乙個未知的欲分類的集合，可以進行分割，但是我們不知道分割的函式 超平面，也叫真實...
支援向量機SVM
支援向量機svm support vector machine 是機器學習領域的乙個有監督的學習模型。一 簡介 支援向量機建立在統計學習理論的基礎之上。統計學習理論 statistical learning theory簡稱slt 是一種處理小樣本的統計理論 為研究有限樣本情況下的統計模式識別和更廣...
SVM支援向量機
在機器學習領域，很多時候會用到分類的一些演算法，例如knn，貝葉斯。我們可以把分類的樣本簡單除暴的分為兩種型別。線性可分和非線性可分。可以使用乙個非常簡單的例子來解釋什麼是線性可分，什麼是線性不可分。a 線性可分的2類樣本 b 非線性可分的2類樣 已知乙個線性可分的資料集,其中x表示乙個n維向量，當...