支持向量机SVM算法原理

SVM 的英文叫 Support Vector Machine，中文名为支持向量机。它是常见的一种分类方法，在机器学习中，SVM 是有监督的学习模型。

什么是有监督的学习模型呢？它指的是我们需要事先对数据打上分类标签，这样机器就知道这个数据属于哪个分类。同样无监督学习，就是数据没有被打上分类标签，这可能是因为我们不具备先验的知识，或者打标签的成本很高。所以我们需要机器代我们部分完成这个工作，比如将数据进行聚类，方便后续人工对每个类进行分析。

SVM 作为有监督的学习模型，通常可以帮我们模式识别、分类以及回归分析。

先看一张图，明白超平面的概念：

二维平面内，用曲线将颜色球分开了；进一步，三维立体层面？

在这里，二维平面变成了三维空间。原来的曲线变成了一个平面。这个平面，就叫做超平面。

SVM 的工作原理

用 SVM 计算的过程就是帮我们找到那个超平面的过程，这个超平面就是我们的 SVM 分类器。

上图中，直线 A、直线 B 和直线 C，究竟哪种才是更好的划分呢？

B直线更好，因为B与蓝色球靠的很近；A直线更好，因为A与红色球更近；但，实际生活中，蓝色球可能会朝着红色区域移动，红色球会向着蓝色区域移动；所以，最终A直线更好，因为它的鲁棒性更好。

鲁棒性/抗变换性（英文：robustness）原是