机器学习9、10、12/100天-SVM直观认识

SVM是一种监督学习算法,通过寻找最优超平面进行数据分类。在处理非线性数据时,SVM利用核方法进行维度变换,并通过调整参数如Kernel、Gamma和Regularization来优化模型。Gamma影响数据点对分割平面的贡献,而Regularization控制超平面的复杂度。
摘要由CSDN通过智能技术生成

github: 100DaysOfMLCode

What is SVM:

SVM是一种监督学习算法,可用于分类问题和回归问题,主要用于分类问题。在该算法中,将数据的每一个特征看作是n维空间的一个维度,之后对空间中的点进行分类划分。

How is the data Classified:

分类方法是找到一个超平面,可以将数据划分在超平面的两侧。

What is a optimal Hyper-Plane?

最佳超平面是划分的两类数据点中距超平面距离最近的点到超平面的距离最大。

非线性数据

对非线性数据无法找到一个线形平面进行划分,则可以采用维度变换,比如二维空间的一个圆,令 z = x 2 + y 2 z = x^2 + y^2 <

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值