再见！支持向量机

文章预览

支持向量机 (SVM) 是一种用于分类和回归任务的监督式机器学习算法，它们广泛应用于各种领域，包括模式识别、图像分析和自然语言处理。 SVM 分类的核心是通过构建 最优超平面 将数据分成不同类别。 本文没有复杂的公式推导，逐步的讲清楚支持向量机算法，最后阐述为什么要跟支持向量机说再见的原因，来吧！开始我们的学习之旅。 算法的一些关键术语 超平面 超平面是一个决策边界，可以在高维空间中将数据点分隔成不同类别。 在二维空间中，超平面只是将数据点分为两类的直线，如下图的红色直线： image-20240418221011348 在三维空间中，超平面是将数据点分为两类的平面，如下图的红色平面： image-20240418214728858 同样，在 N 维空间中，超平面是具有 (N-1) 维的空间。 SVM的分类思想是通过评估新数据点落在超平面的哪一侧进行分类，如下图，若 ………………………………