支持向量机SVM算法介绍

支持向量机SVM算法介绍

1. 背景：

     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，并在1995年发表

     1.3 深度学习（2012）出现之前，SVM被认为机器学习中近十几年来最成功，表现最好的算法

2. 机器学习的一般框架：

     训练集 => 提取特征向量=> 结合一定的算法（分类器：比如决策树，KNN）=>得到结果

3. 介绍：

     3.1 例子：

两类？哪条线最好？

 3.2 SVM寻找区分两类的 超平面（hyper plane), 使 边际(margin)最大

       总共可以有多少个可能的超平面？无数条

                如何选取使边际(margin)最大的超平面 (Max Margin Hyperplane)？

               超平面到一侧最近点的距离等于到另一侧最近点的距离，两侧的两个超平面平行

3. 线性可区分(linear separable)