支持向量机-医科大学.pptVIP

数据挖掘导论 福建医科大学 郑伟成 支持向量机 支持向量机(Support Vector Machine，SVM)是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 在机器学习中，支持向量机（SVM，还支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。 支持向量机（SVM）是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。 ? ? 通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。 ? ? 什么是支持向量机SVM 在讲SVM之前，必须先弄清楚一个概念：线性分类器算法? ? 考虑一个两类的分类问题，数据点用?x?来表示，这是一个?n?维向量，w^T中的T代表转置，而类别用?y?来表示，可以取 1 或者 -1 ，分别代表两个不同的类。一个线性分类器的学习目标就是要在?n?维的数据空间中找到一个分类超平面，其方程可以表示为 线性分类 一个二维平面(一个超平面，在