支持向量機(Support Vector Machine, SVM)是最受歡迎的機器學習模型之一。它特別適合處理中小型復雜數(shù)據(jù)集的分類任務。

一、什么是支持向量機

SMV在眾多實例中尋找一個最優(yōu)的決策邊界，這個邊界上的實例叫做支持向量，它們“支持”（支撐）分離開超平面，所以它叫支持向量機。

那么我們如何保證我們得到的決策邊界是最優(yōu)的呢？

如上圖，三條黑色直線都可以完美分割數(shù)據(jù)集。由此可知，我們僅用單一直線可以得到無數(shù)個解。那么，其中怎樣的直線是最優(yōu)的呢？

 

如上圖，我們計算直線到分割實例的距離，使得我們的直線與數(shù)據(jù)集的距離盡可能的遠，那么我們就可以得到唯一的解。最大化上圖虛線之間的距離就是我們的目標。而上圖中重點圈出的實例就叫做支持向量。

這就是支持向量機。

二、從代碼中映射理論

2.1 導入數(shù)據(jù)集

添加引用：

import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt

導入數(shù)據(jù)集（大家不用在意這

總結

以上是生活随笔為你收集整理的机器学习算法应用30篇（十）-通俗理解支持向量机SVM及代码实践的全部內容，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。