介绍

支持向量机（Support Vector Machine，简称SVM）是一种监督学习算法，主要用于分类问题，也可以用于回归问题。SVM的核心思想是在特征空间中寻找一个最优的超平面，以此来区分不同的类别。

原理

1. 最大化间隔：SVM试图在不同类别的数据点之间找到一个最大化边界的超平面。这个边界被称为“间隔”。SVM的目标是最大化这个间隔，以便新数据点被正确分类的可能性最大化。
2. 支持向量：在数据集中，那些位于间隔边界上的数据点被称为支持向量。这些点是定义最优超平面的关键。
3. 核技巧：在原始特征空间中可能很难找到一个合适的超平面来分隔数据，SVM通过使用核函数将数据映射到更高维的空间中，使得在新的空间中更容易找到分隔超平面。
4. 优化问题：SVM的优化问题通常通过求解一个凸二次规划问题来实现，确保找到全局最优解。

应用方向