目录
介绍下SVM?
SVM(Support Vector Machine,支持向量机)是二十世纪初使用广泛的分类算法,可以处理非线性和高维的机器学习问题。SVM目标是找到分类的最大间隔,为了更好的求解,针对SVM基本型使用拉格朗日方法找到其对偶问题,从而找到解。SVM只和支持向量有关,所以SVM对异常值不敏感,适合小数据集。
支持向量:在求解的过程中,会发现只根据部分数据就可以确定分类器,这些数据称为支持向量。
支持向量机(Support Vector Machine,SVM):其含义是通过支持向量运算的分类器。
支持向量机是一种二分类模型,它的目的是寻找一个超平面来对样本进行分割,分割的原则是边界最大化,最终转化为一个凸二次规划问题来求解。由简至繁的模型包括:当训练样本线性可分时,通过硬边界(hard margin)最大化,学习一个线性可分支持向量机;
当训练样本近似线性可分时,通过软边界(soft margin)最大化,