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

一、什么是支持向量機(jī)

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

那么我們?nèi)绾伪ＷC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(wú)數(shù)個(gè)解。那么，其中怎樣的直線是最優(yōu)的呢？

 

如上圖，我們計(jì)算直線到分割實(shí)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(yuǎn)，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(biāo)。而上圖中重點(diǎn)圈出的實(shí)例就叫做支持向量。

這就是支持向量機(jī)。

二、從代碼中映射理論

2.1 導(dǎo)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(dǎo)入數(shù)據(jù)集（大家不用在意這

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（十）-通俗理解支持向量机SVM及代码实践的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。