感知机是神经网络和深度学习的起源
感知机的原理是接收多个信号,最后输出一个信号,其中输入和输出的信号都只能是0或者1,也就是说输入可以是多维的,但都得是0或者1,输出只能是一个数,要么就是0要么就是1
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/f76afd3529b71cf6d27c8a17d02a797d.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/74dc7accf070f4403432dbb4e229d84c.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/78e6c15f4164643fb6a19443f4278b83.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/fc2e9361fd78ceb1f8ad7b207e2a74d9.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/e4a5771b39c50affbc1afba2d6746080.png)
SVM是一个典型的二分类模型,可以说是在感知机上进行的改进,他对输入数值没有限制,可以是任意的数,但是输出的数值只能是-1或者1,和感知机几乎没有什么区别,但是SVM研究的重点在于要找到最优的那个划分平面
如下图可以看出,可以有多个划分平面满足,所以到底要选择哪一条呢?
思想是,对每一个划分平面进行同一操作,找到距离划分平面最近的点,并算出距离,然后去距离最大的那个划分平面
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/4fb1e11bea83c5a9e71549d6c2aa12bb.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/9e355d7e35d55609947dc6b59ca2e9ae.png)