【阅读思考记录】支持向量，支持向量机（SVM）与支持向量回归（SVR）（西瓜书第6章一）

前言：

{

    最近很久没跟新了，本来想好好休息一段时间，但我还是放不下当前的学习任务，所以就继续看起了西瓜书[1]。

    很久以前我就见到过支持向量机的相关内容，不过从来都没有仔细琢磨，只知道这是一种分类方法。不看不知道，看了后才发现其中涉及很多数学知识（高数里没涉及到的数学知识），我感觉这值得单独开几期。

}

 

正文：

{

    支持向量与支持向量机（SVM）：

    {

        其实支持向量机的原理不算太复杂（复杂的是优化求解）。

        假设在特征空间中有两类若干的特征向量，如何设计一个最好的超平面来划分这些特征向量？支持向量机给出的思想是：

        （1）在两类向量线性可分的情况下，划分这些向量为两类的超平面应当使得这些向量尽可能地远离此超平面，所谓的尽可能地远离指的是离此超平面最近的向量尽可能远离此超平面，因此此超平面应该在两类向量中互相最接近的向量（这些向量即为支持向量）的中间（见书中图6.2）。