envi支持向量机分类未响应_机器学习-支持向量机及其python实现(一)

目录：

1. 支持向量机概述
2. 线性支持向量机
3. SMO算法及其python实现
4. 核方法
5. 非线性支持向量机

支持向量机概述：

支持向量机是一种二类分类模型，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；支持向量机还包括核技巧，这使其可以用来解决非线性分类问题。支持向量机的学习策略是间隔最大化，可形式化为一个凸二次规划求解问题，求解凸二次规划的最优化算法就是支持向量机的学习算法，序列最小优化算法SMO常用于实现支持向量机模型

• 优点：泛化错误率低，计算开销较小，结果易解释
• 缺点：对参数调节和核函数选择敏感，原始分类器不加修改仅适用于二类分类问题
• 适用数据类型：数值型和标称型数据

线性支持向