机器学习 - SVM-1

支持向量机 (Support Vector Machine, SVM) 是一类按监督学习 (supervised learning) 方式对数据进行二元分类 (binary classification) 的广义线性分类器 (generalized linear classifier), 其决策边界是对学习样本求解的最大边距超平面 (maximum-margin hyperplane)。

正文

概念

乍一看上面的内容很抽象,什么二元分类,最大边距超平面……下面让我们来剖析一下这些概念。
如果要对一些数据(比如说点)进行分类,我们可以构造一条直线简单的把数据分成两半。这条直线就叫做分隔超平面

hyper-plane - 1

这个分隔超平面旁边的点到超平面的距离就是间距,离超平面最近的点就叫做支持向量。SVM 的算法原理就是找到一种分类方式,让支持向量到超平面的距离达到最大,因为这样就能很好的分类数据。


既然是要让间距达到最小,那么首先我们来看怎么计算间距。在二维空间里我们可以用

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值