基本信息
文件名称：模式识别基础：支持向量机_（1）.支持向量机导论.docx
文件大小：25.51 KB
总页数：14 页
更新时间：2025-11-30
总字数：约1.05万字
文档摘要
PAGE1
PAGE1
支持向量机导论
1.支持向量机的基本概念
1.1什么是支持向量机？
支持向量机（SupportVectorMachine,SVM）是一种监督学习方法，广泛应用于分类和回归问题。SVM的核心思想是通过找到一个最优的超平面来最大化不同类别之间的间隔，从而实现分类。最优超平面是指在高维空间中，能够将不同类别的数据点完全分开，并且距离最近的两类数据点之间的间隔最大的超平面。
1.2支持向量
支持向量是位于最大间隔边界上的数据点。这些点对超平面的位置和方向有直接影响，因此在训练过程中起着关键作用。支持向量的数量通常远小于训练集的大小，这使得SVM