支持向量机主要用于分类问题。最初支持向量机是用于二分类的问题,并且刚开始的时候,支持向量机也只是线性的支持向量机。支持向量机的思路是找到一个超平面,将空间的数据点分开。二分类问题非常适合用支持向量机。求解支持向量机问题可以转化为求解凸二次规划(优化)问题。
-
支持向量机的输入空间与特征空间:
(1)支持向量机的输入空间:欧式空间或离散集合;
(2)支持向量机的特征空间:欧式空间或希尔伯特空间。支持向量机的分类问题是在特征空间完成的,所以分类之前需要将输入空间转换为特征空间。 -
线性与非线性支持向量机:
(1)线性可分支持向量机、 线性支持向量机: 假设这两个空间的元素一一对应, 并将输入空间中的输入映射为特征空间中的特征向量。
(2)非线性支持向量机: 利用一个从输入空间到特征空间的非线性映射将输入映射为特征向量。
参考文献:
[1] 统计学习方法 [M]. 李航.
[2] 统计学习方法课件,袁春.