SVM学习笔记

SVM：-----sklearn库

1. 支持向量机（support vector machines）是一种二分类模型，将实例的特征向量映射为空间中的一些点，SVM的目的就是想画出一条线，以“最好的”区分这两类点，以至如果有了新的点，这条线也能做出很好的分类。
2. 适用于：中小型数据样本，非线性，高维的分类问题
3. 样本空间的划分：一条直线（二维） / 一张平面（高维）
4. 划分的好不好的判断标准：能区分两个类别+间隔（margin）最大。这样样本局部扰动时对它的影响最小，产生的分类结果最鲁棒，对未见示例的泛化能力最强。

（鲁棒性/抗变化性：指在异常和危险情况下系统生存的能力，也指控制系统在一定的参数摄动下，维持其他某些性能的特性，例如，计算机软件在输入错误，磁盘崩溃，网络过载或有意攻击的情况下，能否不死机，不崩溃。）

1. Margin=距离划分直线/平面两侧最近的点到它的垂直距离之和（这两点就是支持向量点）
2. 一般，划分直线/平面处于largest margin 的中间，这样SVM对两种类别新实例的泛化能力相同

核方法

举例：

作用：

将向量的维度从低维映射到高维

降低运算复杂度降低运算复杂度

参考链接：​​​​​​chttps://blog.csdn.net/qq_31347869/article/details/88071930

python编程安装sklearn_sklearn库安装_风雨无阻啊的博客-CSDN博客