机器学习入门篇（二）

本篇文章依然是面向刚入门的基础小白的机器学习概念文章，以后会逐步加深难度，多加入理论和代码

SVM(support vector machines)支持向量机

支持向量机是一种二分类模型，所谓二分类，就是对一个问题问出“是否”和“有无”并以此来判断类别的分类方法。举个栗子，比如在词语的情感分析中，我们判断该词是否在正样本（积极词）或者负样本（消极词）中出现，并根据结果逐步对其分类。进一步说，在图像处理中，判断此图片是否存在特定对象，比如人，出现为1，没有便是0

了解了二分类后，便不难理解SVM作为一个二分类问题，他的作用是什么。现在就简要的认识一下他的原理：寻找到一个超平面，使样本数据被正确分割成几何间隔（距离）最大，正确是指能够很好的实现二分类功能，也可以理解为感知机模型,不过SVM是找出距离样本具有最大距离的感知机模型。

BP神经网络

Bp（Back-propagation）神经网络，是最传统的神经网络。也是大多数人接触机器学习或深度学习第一个学到的神经网络。所谓Back，直译就是后面，返回，加上propagation链接后成为了反向传播。这是理解BP神经网络最重要的一个点——它的反向传播