SVM是一种有监督的机器学习模型，常用于模式识别、分类和回归分析。它通过构建分类边界最大化间隔，使得样本尽可能远离分类边界。在分类问题中，特征是输入数据，而线性分类器则是基于特征的线性组合来确定分类结果。
SVM(Support Vector Machine)中文名为支持向量机，是常见的一种判别方法。
作用：在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
相关概念
分类器：分类器就是给定一个样本的数据，判定这个样本属于哪个类别的算法。例如在股票涨跌预测中，我们认为前一天的交易量和收盘价对于第二天的涨跌是有影响的，那么分类器就是通过样本的交易量和收盘价预测第二天的涨跌情况的算法。
特征：在分类问题中，输入到分类器中的数据叫做特征。以上面的股票涨跌预测问题为例，特征就是前一天的交易量和收盘价。
线性分类器
最低0.47元/天 解锁文章
1403
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
