保持分類準確的情況下最大間隔，
求最大間隔是二次規劃問題
核函式：
滿足 mercer 條件：核函式要能夠作為一種距離或一種相似性，它不能是乙個與各個點都不相關的任意條件，在這一情況下，結果肯定為正值的意思是這是乙個行為良好的距離函式。
核技巧：
獲取低維度輸入空間或特徵空間，並將其對映到極高維度空間的函式。所以 過去不可線性分離的內容
，變成線性可分離內容。
引數：kernel：核函式
c：控制光滑決策邊界與正確分類所有訓練點之間的折衷。c 值越大 你就可以得到更多複雜的決策邊界
gamma
缺點：海量資料集，噪音過多，都表現不好
機器學習 支援向量機 SVM
svm 方法的基本思想是 定義最優線性超平面，並把尋找最優線性超平面的演算法歸結為求解乙個凸規劃問題。進而基於 mercer 核展開定理，通過非線性對映 把樣本空間對映到乙個高維乃至於無窮維的特徵空間 hilbert 空間 使在特徵空間中可以應用線性學習機的方法解決樣本空間中的高度非線性分類和回歸等...
機器學習 支援向量機SVM
svm是一種監督學習演算法，主要用於分類 回歸 異常值檢測。目前應用於文字分類 手寫文字識別 影象分類 生物序列分析。支援向量機是一種通過某種非線性對映，把低維的非線性可分轉化為高維的線性可分，在高維空間進行線性分析的演算法。支援向量機 svm，support vector machine 是根據統...
機器學習 支援向量機SVM
通俗詳見 要明白什麼是svm，便得從分類說起。分類作為資料探勘領域中一項非常重要的任務，它的目的是學會乙個分類函式或分類模型 或者叫做分類器 而支援向量機本身便是一種監督式學習的方法 至於具體什麼是監督學習與非監督學習，請參見此系列machine l data mining第一篇 它廣泛的應用於統計...