互动媒体技术-转换视角

本来对这个主题真的没什么想说的，但不巧今天为了写人工智能的作业，查了很多资料，正好从中感受到了转换视角的魅力。

   首先我认为的转换视角就和老师给的例子一样，为自己的理解和记忆而想象一个场景，从而帮助我们更好的理解和记忆。

   SVM（支持向量机）确实很难，难得大佬想出来了一个五岁小孩都能理解的场景便于我们学习。

   我们先看一些SVM的八股文描述：支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力（或称泛化能力）。

看嘛。这正常人谁能懂，至少我看不懂。照着人工智能老师给的21页PPT也很难懂，直到我看到了大佬的文章，下面直奔主题：如何转换视角的理解SVM向量机（也就是大佬的方法，我这边赘述以下）。

在很久以前的情人节，一位大侠要去救他的爱人，但天空中的魔鬼和他玩了一个游戏。

魔鬼在桌子上似乎有规律放了两种颜色的球，说：”你用一根棍分开它们？要求：尽量在放更多球之后，仍然适用。”

                                              
于是大侠这样放，干的不错？

                                             
然后魔鬼，又在桌上放了更多的球，似乎有一个球站错了阵营。显然，大侠需要对棍做出调整。

                                              
SVM就是试图把棍放在最佳位置，好让在棍的两边有尽可能大的间隙。这个间隙就是球到棍的距离。

                                              
现在好了，即使魔鬼放了更多的球，棍仍然是一个好的分界线。

                                              
魔鬼看到大侠已经学会了一个trick(方法、招式)，于是魔鬼给了大侠一个新的挑战。

                                            
现在，大侠没有棍可以很好帮他分开两种球了，现在怎么办呢？当然像所有武侠片中一样大侠桌子一拍，球飞到空中。然后，凭借大侠的轻功，大侠抓起一张纸，插到了两种球的中间。

                                              
现在，从空中的魔鬼的角度看这些球，这些球看起来像是被一条曲线分开了。

                                              
再之后，无聊的大人们，把这些球叫做data，把棍子叫做classifier, 找到最大间隙的trick叫做optimization，拍桌子叫做kernelling, 那张纸叫做hyperplane。

OK，现在当老师你在检查到这篇作业的时候，我假设你在此前没了解过SVM，我想现在你应该也会理解了吧！以上就是我对转换视角的看法。
 

最后感谢大牛的博客陪了我整个周日，真是快乐呢！

大牛关于SVM的博客：https://blog.csdn.net/c406495762/article/details/78072313

超级感谢！