Part.1

支持向量機（support vector machines）是一種二分類模型，它的目的是尋找一個超平面來對樣本進行分割，分割的原則是間隔最大化，最終轉化為一個凸二次規劃問題來求解。

對于線性可分來說程序一大筐，今天我們主要來講非線性問題。主要有二分類、一分類和回歸問題的處理。

對于這樣的問題，可以將訓練樣本從原始空間映射到一個更高維的空間，使得樣本在這個空間中線性可分，如果原始空間維數是有限的，即屬性是有限的，那么一定存在一個高維特征空間使樣本可分。

令?(x)表示將 x 映射后的特征向量，于是在特征空間中，劃分超平面所對應的的模型可表示為：

f(x)=wT?(x)+b????????

于是有最小化函數：

  

在實際應用中，通常人們會從一些常用的核函數里選擇（根據樣本數據的不同，選擇不同的參數，實際上就得到了不同的核函數）。

Part.2

下面介紹每一個程序的思想。

核函數

首先是編寫核函數：

function 《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的MATLAB应用实战系列（四十四）-基于matlab的支持向量机分类、回归问题（附源码解析）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。