深度学习第四次作业

一、SVM和KNN的对比

KNN是基本没有训练集的，他基本上是利用训练数据集里面需要预测样本点距离最近的一些值

svm是需要一个训练过程的，利用一个线性的超平面去分割数据集。

 knn只有一个参数k，而svm的参数更多

二、SVM原理

例子：比如两个大学中间有一堵墙，两个大学学生经常往来不绝，SVM利用这堵墙分类了两个大学的学生，左边是A大学，右边是B大学，SVM认为，A大学里的全是A大学的学生，B大学里的全是B大学的学生，而这是不一定的。

 svm需要超平面wx+b来分割数据集（此处以线性可分为例）就是上面说的大学间的围墙，，因此会有一个模型训练过程来找到w和b的值。训练完成之后就可以拿去预测了，根据函数y=wx+b的值来确定样本点x的label，不需要再考虑训练集。对于SVM，是先在训练集上训练一个模型，然后用这个模型直接对测试集进行分类。