目录
经验风险(empirical risk)与结构风险(structural risk)
前言
博主大大小小参与过数十场数学建模比赛,SVM经常在各种建模比赛的优秀论文上见到该模型,一般直接使用SVM算法是比较少的,现在都是在此基础理论之上提出优化算法。但是SVM的基础理论是十分重要的思想,放眼整个分类算法中,SVM是最好的现成的分类器。这里说的‘现成’指的是分类器不加修改即可直接使用。在神经网络没有出现之前,SVM的优化模型可以算得上是预测分类神器了,在机器学习中SVM仍旧是最为出名的算法之一了,本篇博客将致力于将SVM算法以及原理每一个知识点都讲明白,希望没有讲明白的点大家可以在评论区指出。
一、引论
我们使用SVM支持向量机一般用于分类,得到低错误率的结果。SVM能够对训练集意外的数据点做出很好的分类决策。那么首先我们应该从数据层面上去看SVM到底是如何做决策的,这里来看这样一串数据集集合在二维平面坐标系上描绘的图:
<