机器学习算法与实践 课件 第六章 支持向量机.pptx

第6章支持向量机SUPPORTVECTORMACHINE间隔最大化核方法支持向量回归

章节概览6.1线性SVM间隔最大化原则支持向量概念拉格朗日乘子法对偶问题求解6.2非线性SVM核函数概念与选择高维特征空间映射Mercer定理实际应用场景6.3支持向量回归SVR基本原理ε不敏感损失函数材料科学应用示例性能评估与可视化支持向量机：分类与回归的强大工具

6.1线性SVM的基本原理核心思想在特征空间中找到一个超平面，能够最大化不同类别数据之间的间隔对于线性可分数据，SVM通过找到具有最大间隔的超平面来区分数据；对于线性不可分的情况，通过核方法将数据映射到高维空间关键概念1支持向量