基本信息
文件名称：模式识别基础：支持向量机all.docx
文件大小：26.79 KB
总页数：17 页
更新时间：2025-11-30
总字数：约1.58万字
文档摘要
PAGE1
PAGE1
支持向量机的基本概念
支持向量机（SupportVectorMachine,SVM）是一种监督学习模型，用于分类和回归分析。SVM的目标是在特征空间中找到一个最优的超平面，使得不同类别的样本点之间的间隔最大化。这个最优超平面不仅能够很好地划分训练数据，还能在未知数据上具有良好的泛化能力。
1.1超平面和间隔
在一个二维平面上，超平面可以理解为一条直线。对于高维空间，超平面是一个d?
w
其中，w是权重向量，x是样本点，b是偏置项。支持向量机的目标是找到一个最优的w和b，使得这条直线能够最好地分开两类样本点。
间隔（Margin）是