数据矿工学习-《统计学习方法》思维导图7.1-线性可分支持向量机

在机器学习的学习之路上，SVM是ML童鞋们在分类问题上一定会遇到的一个学习方法，SVM这一章将SVM按训练数据的线性可分性分为由简到繁分为三种模型：线性可分支持向量机(linner support vector machine in linearly separable case)、线性支持向量机(linear support vector machine)以及非线性支持向量机(non-linear support vector)。在实际工程中，面对不同规模的数据集时，在小型数据集上，SVM有时仅需小量的训练数据，就可以得到比较好的训练结果，而这正是因为SVM的特性-支持向量，下面通过思维导图先简单介绍下SVM：

线性可分支持向量机

思维来自《统计学习方法》-李航

凹脑图在线浏览地址：线性可分支持向量机

才学疏浅，欢迎评论指导

 

 

如想更方便地阅览思维图

欢迎前往我的个人小站：www.wengjj.ink