初識支援向量機（svm）
我們來玩乙個遊戲：
你大概會這麼放吧：
為了測試你的答案是不是符合要求，我在桌上又放了更加多的藍紅小球，可以發現，乙個紅球被分錯了位置：
支援向量機（svm）可以白話為：試圖找到乙個木棍放置的最佳位置，使得木棍的兩邊有盡可能大的間隙。
看來我出的題目還是太簡單了，下面我給你出個難點兒的問題：桌面上的小球按下圖放置，你肯定不能直接用木棍分開兩種顏色的小球了，要怎麼辦呢？
你可以用力拍桌子，使球飛到空中，然後快速用一張紙插到兩種顏色的球之間。（只是為了便於理解，小孩子請勿模仿233333）
再從桌面的角度看這些小球，它們被完美地用一條曲線分開了。
我們可以定義幾個高大上的名詞，把這些小球叫做資料（data），把棍子叫做分類器（classifier），最大間隙trick叫做優化（optimization）， 拍桌子叫做核化（kernelling）, 那張紙叫做超平面（hyperplane）。
白話svm原理
假設我們要通過一條線把實心圓圈和空心圓圈分為兩類。
那麼有無數多條線可以完成這個任務。
在svm中，我們尋找一條最優的分界線使得它到兩邊的margin都最大。
在這種情況下邊緣加粗的幾個資料點就叫做support vector，這也是這個分類演算法名字的**。
如下圖所示：
我們還可以將其擴充套件到任意nn維度空間上：
首先在11維到nn維空間中得到了一系列資料點
然後總能在n−1n−1維上找到乙個最優超平面（hyperplane）
什麼是支援向量機（svm）？
下面闡述一下正經概念：
支援向量機（support vector machine，簡稱svm）是cortes和vapnik於2023年首先提出的，它在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢，並能夠推廣應用到函式擬合等其他機器學習問題中。
通俗來講，它是一種二分類模型。它不是一種機器，而是一種機器學習演算法。其基本模型定義為特徵空間上的間隔最大的線性分類器，其學習策略便是間隔最大化，最終可轉化為乙個凸二次規劃問題的求解。
後記：在本節，你僅需對svm有個大致的了解，在本系列後續教程中，我們會更加深入討論支援向量機的原理以及應用場景，並配合實驗來加深理解。
支援向量機SVM（一）
支援向量機，因其英文名為support vector machine，故一般簡稱svm，是90年代中期發展起來的基於統計學習理論的一種機器學習方法，它是一種二類分類模型，其基本模型定義為特徵空間上的間隔較大的線性分類器，其學習策略便是間隔較大化，最終可轉化為乙個凸二次規劃問題的求解，從而達到在統計樣...
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...