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！