机器学习（支持向量机）最好用、最广泛、起码要了解

支持向量机

基本需求：D在样本空间中找到一个划分超平面、将不同类别的样本分开 

理想中的超平面：该划分超平面对训练样本局部扰动的“容忍性”最好。 

优化目标：最大化margin 

 

 俩条蓝线上的点（元素）就是支持向量。

 

超平面：超平面H是从n维空间到n-1维空间的一个映射子空间，它有一个n维向量和一个实数定义。

· 如果空间是三维的，那么它的超平面是二维平面，而如果空间是二维的，则其超平面是一维直线。

· 超平面可以使用方程表示：

· 点到超平面距离 

 · SVM优化目标

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 ###(~tips： 这部分呢可能是有其中数学推理逻辑在内，各位不好理解，但数学基础好的小伙伴应该多看几遍就可以理解。不理解的小伙伴也没有关系，这部分在实际操作中也是可以跳过的，但建议还是要了解一下。###