基本原理:
是将分類點正确區分,使得分隔的距離最大,可以轉化為凸二次規劃問題來求解。
概念:
支持向量機是常見的一種判别方法,在機器學習領域,是一個有監督的學習模型,通常用來進行模式識别、分類以及回歸分析。
主要思想:
1、它是針對線性可分情況進行分析,對于線性不可分的情況,通過使用非線性映射算法将低維輸入空間線性不可分的樣本轉化為高維特征空間使其線性可分,從而使得高維特征空間采用線性算法對樣本的非線性特征進行線性分析成為可能;
2、它基于結構風險最小化理論之上在特征空間中構建最優超平面,使得學習器得到全局最優化,并且在整個樣本空間的期望以某個概率滿足一定上界。
更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!