github: 100daysofmlcode
svm是一種監督學習演算法，可用於分類問題和回歸問題，主要用於分類問題。在該演算法中，將資料的每乙個特徵看作是n維空間的乙個維度，之後對空間中的點進行分類劃分。
分類方法是找到乙個超平面，可以將資料劃分在超平面的兩側。
最佳超平面是劃分的兩類資料點中距超平面距離最近的點到超平面的距離最大。
對非線性資料無法找到乙個線形平面進行劃分，則可以採用維度變換，比如二維空間的乙個圓，令z=x
2+y2
z = x^2 + y^2
z=x2+y
2,則在三位空間內，對z的劃分可以實現圓內和圓外的劃分。
通常採用核方法處理非線性資料。
核方法對資料做變換，多項式、指數等核在更高維度計算劃分平面。
gamma低表明離分割平面遠的點也參與分割平面計算，gamma高表明離分割平面遠的點參與度低。
正則化，超平面的複雜度
100天搞定機器學習
新增好友麻煩備註 github 100天搞定機器學習 day1資料預處理 100天搞定機器學習 day2簡單線性回歸分析 100天搞定機器學習 day3多元線性回歸 100天搞定機器學習 day4 6 邏輯回歸 100天搞定機器學習 day7 k nn 100天搞定機器學習 day8 邏輯回歸的數學...
python sklearn學習筆記（1）svm
scikit learn的安裝 python 安裝gcc庫 brew install gcc 安裝scipy pip install scipy 後面的安裝，就按步就班了 安裝matplotlib，方便把資料繪圖顯示出來 pip install matplotlib 安裝sklearn，我理解這個安...
機器學習基礎課程學習筆記 3 支援向量機 SVM
1.1 最早是由 vladimir n.vapnik 和 alexey ya.chervonenkis 在1963年提出 1.2 目前的版本 soft margin 是由corinna cortes 和 vapnik在1993年提出，並在1995年發表 1.3 深度學習 2012 出現之前，svm ...