AI学习笔记——支撑向量（Support Vector Machines）

这篇文章要讲一个非常经典而且实用的监督学习算法，但是在说这个算法之前还是要从上一篇线性回归说起。

其实线性回归不仅仅可以用来“拟合”和“预测”数据，同时还可以对数据进行分类。用线性回归来分类的算法有另一个名字叫做感知器(Perception)算法。

如图通过一条直线就可以将两个不同类别的数据分开

与线性回归的梯度下降法优化参数相似，参数w也是通过带入每一个数据，不停地修正直线的位置从而最终的到正确的直线。如下图

然而，能够将例子中两组数值分开的直线其实有很多条（稍微平移或者稍微改变一下斜率），那哪一条才是最优的呢？

这里就要用到支撑向量(Support Vector Machines SVM )算法了

支撑向量实际上就是找到能够分割下图两组数据中距离彼此边缘最远的那条线。如图

支撑向量(Support Vector Machines SVM )算法不仅可以用直线分割，应用“Kernel Trick”可以用各种曲线将数据进行分类。如图通过将x₁，和x₂“投射到” x₃ = sqrt(x₁ ²+ x₂²) 。从而就成功地将两者分开了

相关文章
AI学习笔记——线性回归（Linear Regression）
AI 学习笔记之——监督学习一朴素贝叶斯（Supervised Learning）
人工智能学习笔记之——人工智能基本概念和词汇
人工智能学习笔记二 —— 定义问题

---

Thanks for reading my posts and welcome to comment. If you like my post , please upvote , resteem and follow me @hongtao
感谢您的阅读，欢迎留言，如果您喜欢我的帖子，请帮忙点赞、推送及关注我 @hongtao