1.SVM介绍 Support Vector Machine (SVM) 是一个监督学习算法,既可以用于分类(主要)也可以用于回归问题。SVM算法中,我们将数据绘制在n维空间中(n代表数据的特征数),然后查找可以将数据分成两类的超平面。支持向量指的是观察的样本在n为空间中的坐标,SVM是将样本分成两类的最佳超平面。 SVM与KNN相似,都是划分一定的区域来判定目标的类别,不过与其不相同的是,SVM分类问题是通过找决策边界将数据进行划分开,而KNN分类问题是找离哪些点较近,就归哪一类。 SVM与KNN的区别在于,SVM在更高维的情况下解决问题,当平面上当点混合在一起的话,SVM可以在三维层面甚至更高层维度解决问题,这是KNN做不到的。 2.SVM原理 支持向量积 (1)找到支持向量(正常情况下是越小越好) (2)选出决策边界(正常情况下是越小越好) (3)如何找到支持向量