1、什么是SVM
支持向量机（SVM）是一个有监督的机器学习算法，它可用于分类和回归分析，最主要是用在分类问题中。
在这个算法中，根据特征值，构建一个n维空间（其中n即使特征数量）把每个数据点投影到此空间内。
2、数据如何分类
通过查找一个超平面，把数据区分成两类。换句话说，算法输出一个最佳超平面，用于数据分类。
3、什么是最佳超平面
对SVM来说，它指的是距离两类数据最远的一个超平面。即是，此超平面到最近元素的距离最远。
4、调整参数
1）核函数
学习线性SVM的超平面就是通过 线性代数转化问题。这是核函数扮演的角色。多项式和径向基用于更高维度。这称为核函数技巧。
2）正则化
对于较大值的此参数，最好选择一个较小间距的超平面，如果这个超平面可以更好的区分训练集合点。相反地，对于非常小值的此参数，需要使用更大的间距，即使此超平面误区分更多点。
3）系数
系数定义了单个训练集合的影响程度。小的系数值，距离远的点也会用于计算。而大的系数值，更多使用距离近的点。
4)间距
间距指的是到最近点的分界线。
一个好的分界距离两类数据更远，而且可以把一类的点区分开，而不需要穿过另外一类。
这里推荐一本数据处理方面的书籍，里面的主要内容包括numpy和pandas的基本操作以及数据可视化教程，书本的最后一部分是机器学习的项目，大家可以学习一哈
欢迎关注和订阅AI算法与图像处理公众号（AI_study）
不定期更新和分享高质量的文章和学习资料，让我一起进步吧，fighting
