學習筆記嗎，僅供參考，有錯必糾

---

文章目錄

• • 支持向量機
  • • 支持向量機原理
    • • 超平面與幾何間隔最大化
      • 核函數的引入

---

支持向量機

支持向量機(Support Vector Machine, SVM)是Cortes和Vapnik提出的，它是一種基于結構風險最小化的學習機，在解決分類問題上有出色的效果廣泛應用在文本分類、手寫數字識別、信號處理通訊等領域。

支持向量機原理

支持向量機根據有限的樣本信息在模型的復雜性和學習泛化能力之間尋求一種最佳的折衷方式，即最大限度地擬合原有的數據集，同時又保持對未知樣本的預測分類能力。

支持向量機理論基礎決定了最終求得的是全局最優解，而不是局部最優解，模型的目標函數限定條件為凸函數，即具備求解全局最優解的條件，這樣就保證了對未知樣本良好的泛化能力。

支持向量機可以分析數據，識別模式，用于分類及回歸分析。支持向量機是建立在統計學習理論的VC維理論和結構風險最小原理<

總結

以上是生活随笔為你收集整理的机器学习中的不平衡分类方法(part6)--支持向量机的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。