支持向量机( 线性可分和线性不可分)
没有免费午餐定理告诉我们:
没有普适的、放之四海而皆准的算法
- 线性可分 (Linear Separable ):一条线就可以分开
- 线性不可分 (Nonlinear Separable ):一条线无法分开
当特征空间维度≥四维时,则会变成超平面。
线性可分用向量来定义:
如果一个数据集是线性可分的,将存在无穷多个超平面将各个类别分开。
支持向量机算法:
1.解决线性可分问题;
2.再将线性可分问题中获得的结论,推广到线性不可分的情况。
1.SVM解决线性可分问题:
在这无数多个分开各个类别的超平面中,到底哪一个最好呢?