支持向量機SVM和最小二乘支持向量機LSSVM

支持向量機SVM SVM在解決小樣本、非線性及高維模式識別問題中表現出許多特有的優勢，並能夠推廣應用到函數擬合等其他機器學習問題中 目標 找到一個超平面,使得它能夠儘可能多的將兩類數據點正確的分開,同時使分開的兩類數據點距離分類面最遠。 超平面 SVM考慮尋找一個滿足分類要求的分割平面(超平面)，並使訓練集中的點距離該分割平面儘可能地遠，即尋找一個分割平面，使其兩側的空白區域(margin)最大。

>>阅读原文<<