python机器学习API介绍23：高级篇——支持向量机

2020-01-01

支持向量机（Support Vector Machine ， SVM）的基本模型是定义在特征空间上间隔最大的线性分类器，是一种二分类模型，当采用了核技巧之后，支持向量机可以用于非线性分类。不同的分类模型用来解决不同的问题：

线性可分支持向量机（也称为硬间隔支持向量机）：当训练数据线性可分时，通过硬间隔最大话，学得一个线性可分支持向量机。

线性支持向量机（也称为软间隔支持向量机）：当训练数据近似线性可分时，通过软间隔最大化，学得一个线性支持向量机。

非线性支持向量机：当训练数据不可分时，通过使用核技巧以及软间隔最大化，学的一个非线性向量机。

接下来我们讨论的时候，假设输入空间和特征空间是不同的，通常输入空间是欧式空间，特征空间是希尔伯特空间。然后输入空间通过某种映射，得到特征空间（可以使线性的，也可以是非线性的）。希尔伯特空间和欧式空间的不同是欧式空间是有限维度的，而希尔伯特空间是无穷维度的。

推荐阅读

上一篇：智能抽屉柜锁：智能好用两边站，这款产品全包揽

下一篇：二阶拓量轻松搞定，搜索oCPC新推出自动定向功能！