支援向量機（英語：support vector machine，常簡稱為svm，又名支援向量網路）是在分類與回歸分析中分析資料的監督式學習模型與相關的學習演算法。給定一組訓練例項，每個訓練例項被標記為屬於兩個類別中的乙個或另乙個，svm訓練演算法建立乙個將新的例項分配給兩個類別之一的模型，使其成為非概率二元線性分類器。svm模型是將例項表示為空間中的點，這樣對映就使得單獨類別的例項被盡可能寬的明顯的間隔分開。然後，將新的例項對映到同一空間，並基於它們落在間隔的哪一側來**所屬類別。
svm大致可以分為三種
線性可分svm
當訓練資料線性可分時，通過硬間隔(hard margin，什麼是硬、軟間隔下面會講)最大化可以學習得到乙個線性分類器，即硬間隔svm。
線性svm
當訓練資料不能線性可分但是可以近似線性可分時，通過軟間隔(soft margin)最大化也可以學習到乙個線性分類器，即軟間隔svm。
非線性svm
當訓練資料線性不可分時，通過使用核技巧(kernel trick)和軟間隔最大化，可以學習到乙個非線性svm。
svm 想要的就是找到各類樣本點到超平面的距離最遠，也就是找到最大間隔超平面。任意超平面可以用下面這個線性方程來描述：
在這裡我們要用到幾何間隔的內容：
故我們得到第乙個演算法：
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...