机器学习-代码实现1 支持向量机

支持向量机(SVM)是一种有监督学习方法,主要用于分类和回归任务。它通过寻找一个最优超平面来划分不同类别的样本点。对于线性不可分问题,SVM利用核函数将数据映射到高维空间实现分类。

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

SVM不仅能用来分类,还能作预测(回归)。


原理没有看懂┭┮﹏┭┮

但是输入和输出我懂了,SVM是有监督学习

输入的是一些点(N维),输出的是一个超平面(N-1维),只能解决线性可分的分类问题

但是对于线性不可分的分类问题,我们可以通过一个核函数将数据映射到高维空间

比如:

高斯的核函数,把二维的数据加上一个z坐标,离中心越近,z坐标就越大

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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