05 SVM - 支持向量机 - 概念、线性可分

一、SVM概念

支持向量机(Support Vector Machine, SVM)本身是一个__二元分类算法__,是对感知器算法模型的一种扩展,现在的SVM算法支持__线性分类__和__非线性分类__的分类应用,并且也能够直接将SVM应用于__回归应用__中,同时通过OvR或者OvO的方式我们也可以将SVM应用在__多元分类__领域中。在不考虑集成学习算法,不考虑特定的数据集的时候,在分类算法中SVM可以说是特别优秀的。

SVM概念

在感知器模型中,算法是在数据中找出一个划分超平面,让尽可能多的数据分布在这个平面的两侧,从而达到分类的效果,但是在实际数据中这个符合我们要求的超平面是可能存在多个的。

出一个划分超平面,让尽可能多的数据分布在这个平面的两侧

在感知器模型中,我们可以找到多个可以分类的超平面将数据分开,并且优化时希望所有的点都离超平面尽可能的远,但是实际上离超平面足够远的点基本上都是被正确分类的,所以这个是没有意义的;反而比较关心那些离超平面很近的点,这些点比较容易分错。所以说我们只要__让离超平面比较近的点尽可能的远离这个超平面__,那么我们的模型分类效果应该就会比较不错。SVM其实就是这个思想。

原文链接

猜你喜欢

转载自blog.csdn.net/weixin_40581617/article/details/84854996
0条评论
添加一条新回复