支持向量指的是,支持向量怎么确定

支持向量指的是,支持向量怎么确定

支持向量机(support vector machines,SVM)是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器。除此之外，SVM算法还包括核函数，核函数可以使它成为非线性分类支持向量就是离分类超平面最近的样本点，因为每一个样本点都是一个多维的向量，向量的每一个维度都是这个样本点的一个特征。后来看到一个更通俗的解释，来自百度

在支持向量机中，距离超平面最近的且满足一定条件的几个训练样本点被称为支持向量。图中有红色和蓝色两类样本点。黑支持向量机(Supportvector machine, SVM)是由Vapnik 等人根据统计学习理论提出的一种借助于最优化方法解决机器学习问题的新工具。它以结构风险最小化为原则，具有结构简

所谓支持向量是指那些在间隔区边缘的训练样本点。这里的“机(machine,机器)”实际上是一个算法。在机器学习领域，常把一些算法看作是一个机器。支持向量机特点题目支持向量指的是( ) A. 对原始数据进行采样得到的样本点B. 决定分类面可以平移的范围的数据点C. 位于分类面上的点D. 能够被正确分类的数据点相关知识点：解析B 反馈

所以其实我们常说的支持向量，就是说要找到哪些向量是来支持超平面的。那么这些向量正是那些正好在margin的边界上(本例中就是指x_1, x_3)的这些点。超平面就是由x_1,x_3算出来的。到所谓支持向量，就是指距离分隔超平面最近的点。那么：要最大化最近的点到分隔超平面的距离，就是最大化支持向量到超平面的距离。则我们要优化的目标就是：这就是最大间隔分类