每周带你了解一个算法——SVM，二元分类的广义线性分类器

文章预览

1 算法简介 支持向量机（ Support Vector Machine, SVM ）是一类按监督学习方式对数据进行二元分类的广义线性分类器，作为一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，学习的基本想法是求解能够正确划分训练数据集并且几何间隔最大的分离超平面，具有适用性广、可处理非线性分类问题、支持向量、高维数据处理能力等的优势，是一种常见的机器学习方法，常用于分类（线性和非线性分类问题）、回归问题以及异常情况的检测。 2 算法原理 SVM 算法的原理是找到一个最佳的超平面，将不同类别的数据点分开，并且使得超平面到最近的数据点的间隔最大化。具体来说， SVM 通过最大化间隔来寻找最优的超平面，以此来实现对数据的分类和回归分析，相关概念和图解如下： （ 1 ）超平面：在二维空间中，超平面是一条直 ………………………………