机器学习复习19-SVM简化版 芸芸整理

NLPer够用。

SVM的作用，基本实现原理：
SVM可以用于解决二分类或者多分类问题，此处以二分类为例。SVM的目标是寻找一个最优化超平面在空间中分割两类数据，这个最优化超平面需要满足的条件是：离其最近的点到其的距离最大化，这些点被称为支持向量。

SVM对于线性不可分依靠什么解决？
核函数

核函数是如何解决线性不可分的?
核函数隐含着一个从低维空间到高维空间的映射,这个映射可以把低维空间中线性不可分的两类点变成线性可分的。然后利用低纬度不容易线性可分的在高纬度容易分割的基础原理。
核函数绝就绝在它事先在低维上进行计算，而将实质上的分类效果表现在了高维上，也就是避免了直接在高维空间的复杂计算。

高斯核函数可以到多少维度？
可以无穷维。根据泰勒公式，e的指数函数可以写成无穷维的多项式函数， 高斯函数中有e的指数函数，通过推导可以得出两个e的指数函数相乘的形式。进而高斯核函数就可以表示为无穷维空间的多项式内积了.

SVM和全部数据有关还是和局部数据有关?
SVM只和分类界限上的支持向量点有关,换而言之只和局部数据有关。