十大經典預測算法(四)----支持向量機(SVM算法)


一、概念:SVM思想和線性回歸很相似,兩個都是尋找一條最佳直線。

不同點:最佳直線的定義方法不一樣,線性回歸要求的是直線到各個點的距離最近,SVM要求的是直線離兩邊的點距離盡量大。

 

SVM本質,

  距離測度,即把點的坐標轉換成點到幾個固定點的距離 ,從而實現升維。

 

 如下所示

       因為SVM要映射到高維空間,再來求分離超平面,但是這樣的話,運算量會非常龐大,又因為上面的核函數和和映射到高維空間的解類似,所以求SVM分離超平面時,可以用求核函數方法代替在高維空間中計算,從而實現在一維平面上計算達到高維空間計算的效果


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM