人工智能——支持向量机（SVM）思维导图

荔枝科研社

已于 2022-02-01 18:00:29 修改

阅读量861

点赞数 1

分类专栏：机器学习、深度学习文章标签：人工智能支持向量机算法

于 2022-02-01 11:26:56 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_46039719/article/details/122763096

版权

机器学习、深度学习专栏收录该内容

84 篇文章

订阅专栏

本文深入探讨了支持向量机（SVM）的基础，从线性可分的分类器开始，介绍了间隔的概念和目标函数。接着，我们讨论了在数据线性不可分情况下的解决方案，包括核函数的应用和软间隔分类器的原理。通过这些，读者将能够全面理解SVM在机器学习中的核心思想。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

2.1 线性可分分类器

2.1.2 基本思想

2.1.3 目标函数

2.3 线性不可分分类器

2.3.1 核函数

2.3.2 软间隔分类器

1 机器学习

2 SVM

2.1 线性可分分类器

2.1.1 间隔

2.1.2 基本思想

2.1.3 目标函数

2.2 性质

2.3 线性不可分分类器

2.3.1 核函数

2.3.2 软间隔分类器

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

荔枝科研社 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。