首先,面对下图所示的分类问题
我们用一条直线就可以将其很好的分开
但是,当面对线性不可分的情况该怎么处理呢?当然我们可以说用曲线方程,但是这个曲线方程怎么去求解却是个大问题。
有人就提出了将其映射到高维空间中,利用一个平面将其线性划分为两类
然后,再投射回低维
在SVM中,划分的平面就叫做超平面(Hyperplane);在高维的空间中我们确是能进行线性划分,但是随着维度的升高,计算量会巨大,于是就引入了核函数(Kernal Function)来解决这个问题;另外,我们在用平面进行划分时,追求让该平面到两侧最近点的距离(称为Margin)保持最大化,并称这些点(空间中用向量表示)为支持向量(Support Vector)。
Youtube上看到的算法实现的可视化过程,地址:https://youtu.be/3liCbRZPrZA
本人也是初学,如有理解不对的还望指正!