支援向量機：判別模型
種類：硬間隔、軟間隔、核函式
思想：感知機是線性分類器，對線性可分的資料集可以有無窮多個超平面將其分開。而支援向量機選擇其中分類最為靠譜的乙個，而這個靠譜的依據是：（重要思想）：1.在分類準確的前提下，2.使得離超平面最近的點離超平面的距離最遠，也就是說乙個點可能是很多個超平面的最近點，但是我們對比這個點離其他超平面的距離，選擇最遠的那乙個超平面作為最終的超平面。
學習流程：輸入空間對映特徵空間，特徵空間學習得到輸出空間。
參考：
《統計學習方法》 7 支援向量機
第7章 svm 支援向量機 support vector machines,svm 的基本模型定義是在特徵空間上的間隔最大的線性分類器，它的學習策略就是間隔最大化。支援向量機的模型由簡到難分為 線性可分支援向量機 硬間隔最大化 線性支援向量機 軟間隔最大化 非線性支援向量機 核函式 7.1 線性可分...
統計學習方法（六）支援向量機
svm是一種二類分類模型。它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。支援向量機還包括核技巧，這使它成為實質上的非線性分類器。支援向量機學習方法包含構建由簡至繁的模型 線性可分支援向量機 線性支援向量機 非線性支援向量機。支援向量是訓練資料集的樣本點中與分離超平面距離最近的樣本點的例項。決...
統計學習方法讀書筆記（七） 支援向量機
全部筆記的彙總貼 統計學習方法讀書筆記彙總貼 支援向量機 support vector machines,svm 是 一種二類分類模型。它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，間隔最大使它有別於感知機 支援向量機還包括核技巧，這使它成為實質上的非線性分類器。本文的大體內容可以參考白板推...