SVM第一阶段学习
一、SVM与KUN的对比
1、KUN
回顾上一节:kun叫做邻近算法(又叫分类算法),首先要有k值,因为k值决定了虚线圆圈的大小,即以要算的未知值为圆心,k的值为半径,画一个虚线圆;然后根据数量决定未知值属于哪一类。
2.SVM
具体分析:SVM算法是根据提供的黑点和白点,来算出一条决策边界。然后,再来一个点时,如果位于边界上边,就分类为黑点那一边;反之,则为白点那一边。其实,最重要的是要分别找到两边的两个红点,即支持向量,如图所示。(相比于kun计算比较麻烦)
这是SVM的一个分类图:
3.要解决什么样的问题
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。
(二者算法很类似,但原理不同,相对来说SVM更复杂一些)
二、SVM分类的原理
支持向量积
1.距离计算(点到平面的距离)
2.目标函数
3.部分数学原理
4.软间隔优化
5.核函数(分类好的关键)
升维,二位的变成三维的,可能能够很好的用平面分开。