SVM（支持向量机）

目录

前言

一、SVM和KNN

二、SVM分类的代码实现

1.引入库

2.导入数据集

3.构建SVM分类器，训练函数

4.初始化分类器实例，训练模型

5.展示训练结果及验证结果

总结

---

前言

SVM 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出，目前的版本（soft margin）是由 Corinna Cortes 和 Vapnik 在1993年提出，并在1995年发表。深度学习（2012）出现之前，SVM 被认为机器学习中近十几年来最成功，表现最好的算法。

---

一、SVM和KNN

支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。

什么是 SVM（支持向量机）？【知多少】_哔哩哔哩_bilibili

KNN(比较一个范围内苹果、梨的多少，来判断样本的种类):

       

 SVM（通过划定区域来判断所在区域的样本种类）:

 

二、SVM分类的代码实现

1.引入库