對SVM支援向量機（1）
支援向量機（英語：support vector machine，常簡稱為SVM，又名支援向量網路）是在分類與迴歸分析中分析資料的監督式學習模型與相關的學習演算法。給定一組訓練例項，每個訓練例項被標記為屬於兩個類別中的一個或另一個，SVM訓練演算法建立一個將新的例項分配給兩個類別之一的模型，使其成為非概率二元線性分類器。SVM模型是將例項表示為空間中的點，這樣對映就使得單獨類別的例項被儘可能寬的明顯的間隔分開。然後，將新的例項對映到同一空間，並基於它們落在間隔的哪一側來預測所屬類別。
SVM大致可以分為三種
線性可分SVM
當訓練資料線性可分時，通過硬間隔(hard margin，什麼是硬、軟間隔下面會講)最大化可以學習得到一個線性分類器，即硬間隔SVM。
線性SVM
當訓練資料不能線性可分但是可以近似線性可分時，通過軟間隔(soft margin)最大化也可以學習到一個線性分類器，即軟間隔SVM。
非線性SVM
當訓練資料線性不可分時，通過使用核技巧(kernel trick)和軟間隔最大化，可以學習到一個非線性SVM。
SVM的目的就為尋找分開兩組資料集中最優的超平面，如上圖所示，H1、H2、H3中最優直線（超平面），我們應該選擇H3.
SVM 想要的就是找到各類樣本點到超平面的距離最遠，也就是找到最大間隔超平面。任意超平面可以用下面這個線性方程來描述：
在這裡我們要用到幾何間隔的內容：
故我們得到第一個演算法：
相關文章
- 支援向量機（SVM）
- SVM——支援向量機（完整）
- SVM_支援向量機
- [譯] 支援向量機（SVM）教程
- 感知機與支援向量機 (SVM)
- 支援向量機（Support Vector Machine，SVM）—— 線性SVMMac
- 機器學習：支援向量機(SVM)機器學習
- 機器學習——支援向量機（SVM）機器學習
- 機器學習——支援向量機SVM（一）機器學習
- 支援向量機(SVM)之硬閾值
- 分類演算法-支援向量機 SVM演算法
- 支援向量機（SVM）和python實現（二）Python
- 人工智慧-機器學習-支援向量機SVM人工智慧機器學習
- 演算法金 | 再見，支援向量機 SVM！演算法
- SVM 支援向量機演算法-原理篇演算法
- SVM 支援向量機演算法-實戰篇演算法
- OpenCV筆記（3）實現支援向量機（SVM）OpenCV筆記
- 機器學習基礎專題：支援向量機SVM機器學習
- 支援向量機 (二)： 軟間隔 svm 與 核函式函式
- 支援向量機（SVM）從原理到python程式碼實現Python
- 學習SVM（四） 理解SVM中的支援向量（Support Vector）
- 支援向量機SVM：從數學原理到實際應用
- 機器學習演算法筆記之5：支援向量機SVM機器學習演算法筆記
- 吳恩達《Machine Learning》精煉筆記 7：支援向量機 SVM吳恩達Mac筆記
- 《機器學習_07_01_svm_硬間隔支援向量機與SMO》機器學習
- 機器學習基礎篇：支援向量機（SVM）理論與實踐機器學習
- 機器學習(四)：通俗理解支援向量機SVM及程式碼實踐機器學習
- 學習SVM（二） 如何理解支援向量機的最大分類間隔
- 一文讀懂支援向量機SVM（附實現程式碼、公式）公式
- 支援向量機
- 《機器學習_07_03_svm_核函式與非線性支援向量機》機器學習函式
- 支援向量機之線性可分向量機
- 機器學習之-搞定支援向量機（SVM）【人工智慧工程師--AI轉型必修課】機器學習人工智慧工程師AI
- 支援向量機(SVM)的約束和無約束優化、理論和實現優化
- 【Python機器學習實戰】感知機和支援向量機學習筆記（三）之SVM的實現Python機器學習筆記
- Python機器學習筆記：SVM（1）——SVM概述Python機器學習筆記
- 【機器學習】支援向量機分類機器學習
- 監督學習之支援向量機