SVM与KNN的分析对比：
1.KNN：
2.SVM
3.解决问题不同：
KNN分类问题，离哪些点较近，就归哪一类。
SVM分类问题，找决策边界，把数据进行划分开。
SVM原理梳理：
1.支持向量积：支持向量，寻找支持向量，选出最好的决策边界
2.选择小的支持向量，要考虑自己最近的雷才最安全
3.决策边界选择大的，要最宽的道路才能行动的更快
4.计算距离（点到平面的距离）：
5.目标函数：
目的：找到一条线，使得离该线最近的点能够最远。
优化目标：找到一条线，使得离该线最近的点能够最远
深度学习第四次
本文对比分析了SVM和支持向量机（SVM）在解决分类问题上的差异。KNN依赖于最近邻原则，而SVM寻找最优决策边界，通过支持向量确定分类。文章详细梳理了SVM的原理，包括支持向量的选择、决策边界的确定以及距离计算等，并提及了核函数的概念。最后，文章提供了运行截图作为结果展示。
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
