[DataAnalysis]機器學習算法——支持向量機SVM原理簡介

一、問題和超平面描述 給定訓練集 分類學習最基本的想法就是基於訓練集在樣本空間中找到一個劃分超平面，將不同類別的樣本分開，但能將訓練樣本分開的劃分超平面可能有很多，如下圖所示： 直觀來看，應該去找位於兩類訓練樣本「正中間」的劃分超平面，因爲該平面受影響最小，從而產生的分類結果是最魯棒的，對未見示例的泛化能力最強。 1、劃分超平面記 2、樣本空間中任意點到超平面的距離： 3、支持向量 如上圖所示：距

>>阅读原文<<