什么是支持向量機(jī)（SVM）？

支持向量機(jī) (SVM) 是一種相對簡單的監(jiān)督機(jī)器學(xué)習(xí)算法，用于解決分類或回歸問題。它更適合分類，但有時對回歸也非常有用。SVM算法的本質(zhì)是在不同的數(shù)據(jù)類型之間找到一個超平面來創(chuàng)建邊界。在二維空間中，這個超平面是一條直線。

在 SVM算法中，我們在 N 維空間中繪制數(shù)據(jù)集中的每個數(shù)據(jù)項，其中 N 是數(shù)據(jù)中特征/屬性的數(shù)量。接下來，我們找到最佳的超平面來對不同類型的數(shù)據(jù)進(jìn)行分類。因此我們可以了解到SVM 本質(zhì)上只能解決二分類的問題（即，在兩個類之間進(jìn)行選擇）。但是，如今有多種技術(shù)可用于解決多分類的問題。

支持向量機(jī)（SVM）解決多分類問題

為了在多分類問題上使用SVM，我們可以為每一類數(shù)據(jù)創(chuàng)建一個二元分類器。每個分類器的兩個結(jié)果將是：

• 數(shù)據(jù)點屬于該類或

• 數(shù)據(jù)點不屬于該類或

例如，在水果分類問題中，要進(jìn)行多類分類，我們可以為每個水果創(chuàng)建一個二元分類器。例如，“芒果”類，將有一個二元分類器來預(yù)測它是芒果還是不是芒果。選擇得分最高的分類器作為 SVM 的輸出。

復(fù)雜的 SVM（非線性可分）

SVM對線性可分?jǐn)?shù)據(jù)進(jìn)行分類有比較好的表現(xiàn)。線性可分?jǐn)?shù)據(jù)是任何可以繪制在圖形中并且可以使用直線進(jìn)行分類的數(shù)據(jù)。

總結(jié)

以上是生活随笔為你收集整理的机器学习算法应用30篇（一）-支持向量机（SVM）理论与实践的全部內(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。