SVM不仅能用来分类,还能作预测(回归)。
原理没有看懂┭┮﹏┭┮
但是输入和输出我懂了,SVM是有监督学习
输入的是一些点(N维),输出的是一个超平面(N-1维),只能解决线性可分的分类问题。
但是对于线性不可分的分类问题,我们可以通过一个核函数将数据映射到高维空间
比如:
高斯的核函数,把二维的数据加上一个z坐标,离中心越近,z坐标就越大
支持向量机(SVM)是一种有监督学习方法,主要用于分类和回归任务。它通过寻找一个最优超平面来划分不同类别的样本点。对于线性不可分问题,SVM利用核函数将数据映射到高维空间实现分类。
SVM不仅能用来分类,还能作预测(回归)。
原理没有看懂┭┮﹏┭┮
但是输入和输出我懂了,SVM是有监督学习
输入的是一些点(N维),输出的是一个超平面(N-1维),只能解决线性可分的分类问题。
但是对于线性不可分的分类问题,我们可以通过一个核函数将数据映射到高维空间
比如:
高斯的核函数,把二维的数据加上一个z坐标,离中心越近,z坐标就越大
789
1859
2万+

被折叠的 条评论
为什么被折叠?