简单点理解 SVM（支持向量机）

最新推荐文章于 2025-06-24 21:32:30 发布
最新推荐文章于 2025-06-24 21:32:30 发布
阅读量3.1k 收藏 19
点赞数 3
CC 4.0 BY-SA版权
分类专栏： SVM算法 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_56688614/article/details/119942180
本文深入探讨了支持向量机（SVM）的基本概念，包括最大间隔法、软间隔、SMO算法以及核函数的应用。SVM是一种二分类模型，通过寻找最大间隔的超平面进行分类。当面临线性不可分问题时，SVM利用核函数将数据映射到高维空间，实现非线性分类。文章还介绍了Python中实现SVM的示例，涉及线性、高斯径向基和Sigmoid核函数，并展示了如何绘制分类结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1、SVM简介

支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。可能不好理解，那我们来举个例子吧

根据体重判断小鼠是否肥胖，首先得找到一个阈值，这个阈值怎么找呢？按从小到大的顺序排列后找到间隔最大的俩只小鼠取它们的中间体重，这个就是阈值。

但是也可能出现误差

 

 （其中粉色代表肥胖，绿色代表不肥胖）这个图中个别案例不符合最大间隔法，所以这时就需要用到Sort Margin，如图

 2、SVM算法简介

 2.1、最大间隔法介绍：

                   

具体方法如下：

每个支持向量到超平面的距离可以写为：

由上述 

 可以得到 

最低0.47元/天 解锁文章

200万优质内容无限畅学
SVM-支持向量机原理详解与实践之四
wenyusuran的专栏
08-17 1129
SVM-支持向量机原理详解与实践之三   SVM原理分析 核函数与核技巧 什么是核 什么是核，核其实就是一种特殊的函数，更确切的说是核技巧（Kernel trick），清楚的明白这一点很重要。 为什么说是核技巧呢？回顾到我们的对偶问题：     映射到特征空间后约束条件不变，则为：   ...
吴恩达机器学习笔记（十二）——支持向量机
大鹏小站的博客
02-08 906
SVM与神经网络 支持向量机并不是神经网络，这两个完全是两条不一样的路吧。不过详细来说，线性SVM的计算部分就像一个单层的神经网络一样，而非线性SVM就完全和神经网络不一样了（是的没错，现实生活中大多问题是非线性的），详情可以参考知乎答案。 这两个冤家一直不争上下，最近基于神经网络的深度学习因为AlphaGo等热门时事，促使神经网络的热度达到了空前最高。毕竟，深度学习那样的多层隐含层的结构，犹如一...
支持向量机-SVM
网瘾少年康复中心
03-07 3439
小白理解的SVM
SVM 支持向量机
weixin_34334744的博客
06-25 298
学习策略：间隔最大化（解凸二次规划的问题） 对于上图，如果采用感知机，可以找到无数条分界线区分正负类，SVM目的就是找到一个margin 最大的 classifier，因此这个分界线（超平面）一定是固定。 假设a是正类，b是负类，那么a和b直接的距离就是ob-oa在直线l上的映射。 我们假设a，b所在的那条直线的方程为： a: ...
【AI深究】支持向量机（SVM, Support Vector Machine）全网最详细全流程详解与案例（附Python代码演示）|SVM、SVR|分类、回归任务流程|优、缺点|例子案例及数据演示
AI人工智能爱酱～你的AI学习好帮手～
06-16 1526
大家好，我是爱酱。继前几篇系统讲解了集成方法、GMM、DBSCAN等主流算法，这一篇我们来聊聊机器学习中极为经典且实用的模型——支持向量机（SVM）。SVM不仅能做分类，还能做回归、异常检测等任务。本文将围绕SVM的核心原理、数学公式、不同用途（分类/回归）、常见核函数、实际案例与代码实现等，详细分步骤讲解，便于你直接用于技术文档和学习。 注：本文章含大量数学算式、详细例子说明及代码演示，大量干货，建议先收藏再慢慢观看理解。新频道发展不易，你们的每个赞、收藏跟转发都是我继续分享的动力！
SVM支持向量机
weixin_33973609的博客
07-30 116
支持向量机（Support Vector Machine,SVM）是效果最好的分类算法之中的一个。 一、线性分类器： 一个线性分类器就是要在n维的数据空间中找到一个超平面，通过这个超平面能够把两类数据分隔开来。 一个超平面。在二维空间中的样例就是一条直线。 首先给出一个很很easy的分类问题（线性可分）。我们要用一条直线，将下图中黑色的点和白...
SVM支持向量机原理及核函数
机器学习算法
04-07 3万+
SVM支持向量机原理详解及核函数 核函数的选择 分割超平面： 支持向量： 间距： SVM算法的原理就是找到一个分割超平面，它能把数据正确的分类，并且间距最大！
机器学习分类模型：支持向量机SVM
最新发布
天涯雨的博客
06-24 821
机器学习分类模型：支持向量机SVM；SVM的思想；SVM目标函数；拉格朗日乘子法；原问题和对偶问题；KKT条件；核函数
支持向量机（SVM）
Above the cloud
09-12 9801
SVM，中文名叫支持向量机。 在深度学习出现以前，它是数据挖掘的宠儿，SVM被认为机器学习近十几年最成功,表现最好的算法； SVM具有十分完整的数据理论证明，但同时理论也相当复杂。 SVM既可以用于回归也可以用于分类问题。 SVM的英文全称是Support Vector Machines，我们叫它支持向量机。支持向量机是我们用于分类的一种算法。让我们以一个小故事的形式，开启我们的SVM之旅吧。 在很久以前的情人节，一位大侠要去救他的爱人，但天空中的魔鬼和他玩了一个游戏。魔鬼在桌子上似乎有规律放了两种颜色的球
SVM(支持向量机)入门 (深入浅出讲解原理)
03-14
深入浅出讲解SVM的原理和应用，有点类似于傻瓜式的教学方法，个人觉得很有帮助。 SVM入门（一）SVM的八股简介 SVM入门（二）线性分类器Part 1 SVM入门（三）线性分类器Part 2 SVM入门（四）线性分类器的求解——问题的描述Part1 SVM入门（五）线性分类器的求解——问题的描述Part2 SVM入门（六）线性分类器的求解——问题的转化，直观角度 SVM入门（七）为何需要核函数 SVM入门（八）松弛变量。 SVM入门（九）松弛变量（续）。 SVM入门（十）将SVM用于多类分类。
机器学习：支持向量机（SVM）
热门推荐
燕双嘤
11-06 19万+
支持向量机（SVM）是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面，可以将问题化为一个求解凸二次规划的问题。与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。
支持向量机的简单理解
weixin_34161029的博客
01-11 188
各位小伙伴们大家好，这几天弱弱的看了看老掉牙的支持向量机(Support Vector Machine, SVM)与支持向量回归(Support Vector Regression, SVR)，发现知道的太少太弱了，基础知识要好好补一补。SVM的原理参考http://en.wikipedia.org/wiki/Support_vector_machinehttp://zh.wikipedia.or...
支持向量机的简单了解
danrann
08-24 341
学习目标： 简单了解支持向量机 一个小Demo实践 学习内容： 1、线性分类器 liner 2、非线性分类器 rbf 3、支持向量 4、决策边界 5、软间隔 决策边界 决策边界一侧的所有点在分类为属于一个类，而另一侧的所有点分类属于另一个类。 我们通过聚类方法产生两组数据 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets.samples_generator import make_blobs %matplo
SVM 支持向量机简单入门理解
qq_40186809的博客
03-07 392
支持向量机SVM 间隔与支持向量 对于分类学习的想法就是基于训练集在样本空间DDD中找到一个划分超平面，将不同类别得样本分开。但超平面有很多，如何找个一个合适的超平面呢？划分超平面应该对训练样本局部扰动的容忍性最好, 在样本空间中，划分超平面可由如下线性方程描述： wTx+b=0w^Tx+b=0wTx+b=0 其中w和b决定了划分超平面。样本空间中任意点到超平面的距离有（点到直线的距离公式）： r...
机器学习——SVM支持向量机
qq_44957388的博客
11-30 581
一、简介 支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。模型包括： 当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机； 当训练样本近似线性可分时，通过软间隔最大化，学习一个线性支持向量机； 当训练样本线性不可分时，通过核技巧和软间隔最大化，学习一个...
【机器学习】SVM支持向量机
weixin_44727383的博客
03-20 183
%matplotlib inline import numpy as np import matplotlib.pyplot as plt from scipy import stats # use seaborn plotting defaults import seaborn as sns; sns.set() 先训练一个基本的SVM from sklearn.svm import SVC...
深入理解SVM支持向量机在Matlab中的实现
支持向量机（Support Vector Machine，SVM）是一种监督式学习模型，它在机器学习领域中广泛应用于分类和回归分析。SVM通过在特征空间中找到一个最优的超平面（在二维空间中是一条直线，三维空间中是一个平面），用以...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值