前言:支持向量机(Support Vecor Machine,以下简称SVM)虽然诞生只有短短的二十多年,但是自一诞生便由于它良好的分类性能席卷了机器学习领域,并牢牢压制了神经网络领域好多年。如果不考虑集成学习的算法,不考虑特定的训练数据集,在分类算法中的表现SVM说是排第一估计是没有什么异议的。
支持向量机:
- 支持向量机是一种二类分类模型,它的基本模型是定义在特征空间上的 间隔最大的线性分类器,间隔最大使它有别于感知机;
- 支持向量机还包括核技巧,这使它成为实质上的非线性分类器,其学习的策略是间隔最大化;
- 支持向量机包含由简至繁的模型,线性可分支持向量机、线性支持向量机、非线性支持向量机
大体认识SVM
支持向量机(SVM),是一种有监督学习算法。可以处理线性以及非线性的情况。
SVM思想一:(最大间隔)
找出一条分割线(超平面),使得两个类别与线(面)的间隙越大越好。-------模型越健壮
衡量方法