SVM支持向量机(上）

参考https://baike.baidu.com/item/%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA/9683835?fromtitle=SVM&fromid=4385807&fr=aladdin

什么是svm

支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类（binary classification）的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）

重点：

scikit-learn对svm的实现都在sklearn.svm中
其中svc用于分类，svr用于回归，也就是说svm既可以做分类页可以做回归

概念：

线性可分支持向量机

• 硬间隔最大化hard margin maximization n
• 硬间隔支持向量机 o

线性支持向量机

• 软间隔最大化soft margin maximization
• 软间隔支持向量机

非线性

文章来源: maoli.blog.csdn.net，作者：刘润森！，版权归原作者所有，如需转载，请联系作者。

原文链接：maoli.blog.csdn.net/article/details/89022562