第九章 SVM（支持向量机）

        支持向量机（SVM），一种对线性和非线性数据进行分类的方法。简单的说，SVM是一种算法（其实不能说，SVM是一个分类器，因为它也可以用来做回归）。

        工作过程：使用一种非线性映射，把原训练数据映射到较高的维上。在新的维上，它搜索最佳分离超平面（即将一个类的元组与其他类分离的“决策边界”）。使用到足够高维上的、合适的非线性映射，两个类的数据总是可以被超平面分开。

         SVM使用支持向量（“基本”训练元组）和边缘（由支持向量定义）发现该超平面。

         SVM引起极大关注的原因：尽管最快的SVM的训练也非常慢，但是由于其对复杂的非线性边界的建模能力，它们是非常准确的。与其他模型相比，它们不太容易过分拟合。

 

详细内容可以参见大牛的博客：

1、通俗易懂篇

2、理解SVM的三层境界

 

参见书籍：

1、《数据挖掘概念与技术：第三版》