机器学习十大算法笔记（二）
发布时间：2026-02-06 12:00 浏览量：5
上期发了讲解视频，这期同样是图文分享[黄金薯R][黄金薯R] 支持向量机（SVM）算法 🤖 解决什么问题？ SVM 主要用于解决二分类问题，目标是找到一个最优的决策边界（超平面），不仅能正确分开两类样本，而且要让这个边界到两类样本中最近点的距离（即“间隔”）最大化。比如，可以用来区分垃圾邮件和非垃圾邮件。 💡 如何解决？ ①硬间隔：适用于理想情况，要求所有样本必须被完全正确地分开，没有容错空间。 ②软间隔：更贴近实际情况，允许部分样本被错误分类或进入间隔内。通过引入“松弛变量”和“惩罚项 C”来控制容错率。C 值越大，对错误的惩罚越重。 ✨ 核心概念：支持向量 “支持向量”就是那些离决策边界最近、真正起决定性作用的数据点。就像用两根手指夹住一本书，是这些点“支撑”起了这个边界。模型只依赖这些支持向量，因此具有较好的泛化能力。 📈 线性不可分情况：核函数 当数据在原始空间线性不可分时，可以通过“核函数”将其映射到更高维的空间，使其变得线性可分。 希望和大家多多交流讨论！有问题欢迎指出[派对R][派对R] #人工智能[话题]# #算法[话题]# #机器学习[话题]# #支持向量机[话题]#