人工智能面试总结-支持向量机SVM

B站：啥都会一点的研究生

公众号试读：啥都会一点的研究生

介绍下SVM？

 SVM（Support Vector Machine，支持向量机）是二十世纪初使用广泛的分类算法，可以处理非线性和高维的机器学习问题。SVM目标是找到分类的最大间隔，为了更好的求解，针对SVM基本型使用拉格朗日方法找到其对偶问题，从而找到解。SVM只和支持向量有关，所以SVM对异常值不敏感，适合小数据集。
 
 支持向量：在求解的过程中，会发现只根据部分数据就可以确定分类器，这些数据称为支持向量。
 
 支持向量机（Support Vector Machine，SVM）：其含义是通过支持向量运算的分类器。
 
 支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是边界最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括：

 当训练样本线性可分时，通过硬边界（hard margin）最大化，学习一个线性可分支持向量机；
 
 当训练样本近似线性可分时&