0
用户访问量
0
注册用户数
0
在线视频观看人次
0
在线实验人次

SVM算法原理

作者：云创大数据|发布时间：2021-10-25 17:19:57.0|来源：云创大数据

支持向量机（Support Vector Machine）是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（对特定训练样本的学习精度，Accuracy）和学习能力（无错误地识别任意样本的能力）之间寻求最佳折中，以期获得最好的推广能力（或称泛化能力）。

SVM最基本的任务就是找到一个能够让两类数据都离超平面很远的超平面，在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化，平行超平面间的距离或差距越大，分类器的总误差越小。

通常希望分类的过程是一个机器学习的过程。设样本属于两个类，用该样本训练SVM得到的最大间隔超平面。在超平面上的样本点也称为支持向量。

友情链接