svm，支援向量機（support vector machine）
公升維操作，把線性不可分系統變為線性可分的系統。
高維變成低維，線性可分可能變成線性不可分；低維變成高維，不會破壞線性不可分性。
如下圖，左圖二維線性不可分經過公升維操作後，變成右圖三維空間的線性可分系統。
仿射變換，形如y=ax+b，a是對x做的線性變換，b是對變換後的系統加乙個位移。
偏置，位移向量b。
bp神經網路與自動控制理論中的反饋之間的區別：
bp輸入乙個資料，經過隱藏層，輸出乙個值與期望值之間的誤差值，將值反向傳播給前一層網路，通過調整引數、權值，來降低誤差。隨著訓練次數增加，誤差越來越小，系統得到優化。
而自控中的反饋，是在誤差值範圍已知的情況下，通過調節輸入來使系統穩定在誤差允許範圍內。
感知機，就是乘積→累加運算→判斷大小。
SVM與感知機的異同點
svm與感知機一樣是通過尋找超平面，用於解決二分類問題的分類演算法 超平面一側的點計算分數結果為負是負例，另一側結果分數為正是正例與感知機相同，通過 sign 給出 標籤，正例為 1，負例為 1，模型判別式同樣 損失函式與感知機和邏輯回歸都不同 感知機是通過判錯的點尋找超平面，邏輯回歸是通過最大似然...
感知機 SVM 神經網路的區別
感知機和svm的區別 1 相同點 都是屬於監督學習的一種分類器 決策函式 2 不同點 感知機追求最大程度正確劃分，最小化錯誤，很容易造成過擬合。支援向量機追求大致正確分類的同時，一定程度上避免過擬合 感知機使用的學習策略是梯度下降法 而svm採用的是由不等式約束條件構造拉格朗日函式，然後求偏導令其為...
SVM簡介 SVM與感知機 邏輯回歸LR的區別
硬間隔svm 軟間隔svm 核函式 svm分類超平面的解是唯一的，要滿足間隔最大化 感知機的解不唯一，沒有間隔最大化的約束條件，滿足分開資料點的分介面都是可以的 相同點 第一，lr和svm都是分類演算法。第二，如果不考慮核函式，lr和svm都是線性分類演算法，也就是說他們的分類決策面都是線性的 第三...