什么是支持向量機（SVM）？

支持向量機 (SVM) 是一種相對簡單的監督機器學習算法，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算法的本質是在不同的數據類型之間找到一個超平面來創建邊界。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 維空間中繪制數據集中的每個數據項，其中 N 是數據中特征/屬性的數量。接下來，我們找到最佳的超平面來對不同類型的數據進行分類。因此我們可以了解到SVM 本質上只能解決二分類的問題（即，在兩個類之間進行選擇）。但是，如今有多種技術可用于解決多分類的問題。

支持向量機（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據創建一個二元分類器。每個分類器的兩個結果將是：

• 數據點屬于該類或

• 數據點不屬于該類或

例如，在水果分類問題中，要進行多類分類，我們可以為每個水果創建一個二元分類器。例如，“芒果”類，將有一個二元分類器來預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。

復雜的 SVM（非線性可分）

SVM對線性可分數據進行分類有比較好的表現。線性可分數據是任何可以繪制在圖形中并且可以使用直線進行分類的數據。

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（一）-支持向量机（SVM）理论与实践的全部內容，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。