1. 寫在前面

如果想從事數(shù)據(jù)挖掘或者機器學習的工作，掌握常用的機器學習算法是非常有必要的， 常見的機器學習算法：

• 監(jiān)督學習算法：邏輯回歸，線性回歸，決策樹，樸素貝葉斯，K近鄰，支持向量機，集成算法Adaboost等

• 無監(jiān)督算法：聚類，降維，關(guān)聯(lián)規(guī)則, PageRank等

為了詳細的理解這些原理，曾經(jīng)看過西瓜書，統(tǒng)計學習方法，機器學習實戰(zhàn)等書，也聽過一些機器學習的課程，但總感覺話語里比較深奧，讀起來沒有耐心，并且理論到處有，而實戰(zhàn)最重要， 所以在這里想用最淺顯易懂的語言寫一個白話機器學習算法理論+實戰(zhàn)系列。

個人認為，理解算法背后的idea和使用，要比看懂它的數(shù)學推導(dǎo)更加重要。idea會讓你有一個直觀的感受，從而明白算法的合理性，數(shù)學推導(dǎo)只是將這種合理性用更加嚴謹?shù)恼Z言表達出來而已，打個比方，一個梨很甜，用數(shù)學的語言可以表述為糖分含量90%，但只有親自咬一口，你才能真正感覺到這個梨有多甜，也才能真正理解數(shù)學上的90%的糖分究竟是怎么樣的。如果這些機器學習算法是個梨，本文的首要目的就是先帶領(lǐng)大家咬一口。另外還有下面幾個目的：

• 檢驗自己對算法的理解程度，對算法理論做一個小總結(jié)

• 能開心的學習這些算法的核心思想， 找到學習這些算法的興趣，為深入的學習這些算法打一個基礎(chǔ)。

• 每一節(jié)課的理論都會放一個實戰(zhàn)案例?

總結(jié)

以上是生活随笔為你收集整理的深入理解支持向量机（SVM）的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。