SVM只能解決線性分類問(wèn)題。
SVM分類原則
- 盡可能保證分類的正確性；
- 盡可能加大兩個(gè)類別間的聚類，是他們更容易區(qū)分。
SVM分類結(jié)果
SVM類別
在低維空間中有Hard-SVM和Soft-SVM。
Hard-SVM和Soft-SVM.png
而如果數(shù)據(jù)在低維上線性不可分，那么我們采取的措施就是把數(shù)據(jù)映射到能夠線性可分的高維空間，而后采用kernel(點(diǎn)的內(nèi)積)把高維空間的數(shù)據(jù)用線性分割超平面劃分出來(lái)，之后把線性分割超平面反映射到低維空間，這時(shí)高維空間的線性分割超平面在低維空間就變?yōu)榱朔蔷€性的分割超平面。
Kernal SVM
參考鏈接：
b站視頻：五分鐘機(jī)器學(xué)習(xí)--向量支持機(jī)SVM: 學(xué)霸中的戰(zhàn)斗機(jī)
