支持向量机(SVM)|机器学习

目录


1.SVM基本原理

1.1特点

∙ \bullet ∙ 支持向量机(Support Vector Machine)主要用于解决模式识别领域中的数据分类问题,属于有监督学习算法的一种。

∙ \bullet ∙ 既可以做分类也可以做回归

∙ \bullet ∙ 适合于小样本集的场景。

1.2线性二分类问题

比如说对于线性二分类问题来说,我们就是要选择一条直线将两类点进行区分,但是观看下图我们会发现有无数条直线可以做到这一要求,那么我们的选择有什么要求呢?
支持向量机(SVM)|机器学习
因为这些点都是训练集中的点,而我们最后是要将这一模型使用在测试集上,所以我们就要尽可能选择距离离两类点都较远的直线。选来选去得到的就是位于最中心的那条红线,此时容忍性好,鲁棒性高,泛化能力最强。

1.3间隔与支持向量

在样本空间中,决策边界(超平面)可以通过如下线性方程来描述:

上一篇:SVM深入理解&人脸特征提取(一)


下一篇:支持向量机:蝙蝠算法优化支持向量机SVM预测原理与MATLAB代码