SVM(support Vector Mac)又称为支持向量机,是一种二分类的模型。当然如果进行设计调整也可以用于多类别问题的分类。支持向量机可以分为线性核非线性两大类。其主要思想为找到空间中的一个更够将所有数据样本划开的超平面,并且使得本本集中所有数据到这个超平面的距离最短。
支持向量机(SVM)是从数据中找出一个数据的分割超平面。将两个类别的数据完全分割开,并且在模型构建的过程中,保证分割区间最大化。
(1)线性可分:在数据集中,如果可以找出一个超平面,将两组数据分开,那么这个数据集叫做线性可分数据。
(2)线性不可分:在数据集中,没法找出一个超平面,能够将两组数据分开,那么这个数据集就叫做线性不可分数据。
(3)分割超平面:将数据集分割开来的直线/平面叫做分割超平面。
(4)支持向量:离分割超平面最近的那些点叫做支持向量。
(5)间隔:支持向量数据点到分割超平面的距离称为间隔。
(6)KKT条件
Original: https://blog.csdn.net/sinat_34897952/article/details/123973188
Author: mozun2020
Title: 视觉机器学习20讲-MATLAB源码示例(9)-SVM算法
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/619131/
转载文章受原作者版权保护。转载请注明原作者出处!