SVM理解

SVM是什么

简单点讲，SVM 就是个分类器，它用于回归的时候称为SVR（Support Vector Regression），SVM和SVR本质上都一样。下图就是SVM分类：

（边界上的点就是支持向量，这些点很关键，这也是”支持向量机“命名的由来）

SVM的目的：寻找到一个超平面使样本分成两类，并且间隔最大。而我们求得的||w||就代表着我们需要寻找的超平面的系数。下面的式子表示左右边界线之间的距离，因为是等距，所以为2。

在二维平面下

我们假设实心黑圈代表1，空心黑圈代表-1，1和-1是SVM的分类标准，当我们确定了超平面以后,我们规定超平面上方为1，超平面下方为-1。下方的x1,x2表示点的坐标，因为我们现在在二维的平面上，所以只有x1,x2，我们要求的就是w1,w2,w0。

w1x1+w2x2+w0>=1

w1x1+w2x2+w1<=-1

下面通过一个例子来进行详细介绍：