机器学习Task3支持向量机

1、支持向量机：一个非常优雅的算法，具有非常完善的数学理论，常用于数据的回归预测中。
2、支持向量：带黑边的点是距离当前分类器最近的点
3、软间隔：相比于硬间隔而言，我们允许个别数据出现在间隔带中。我们知道，如果没有一个原则进行约束，满足软间隔的分类器也会出现很多条。所以需要对分错的数据进行惩罚，SVC 函数中，有一个参数 C 就是惩罚参数。惩罚参数越小，容忍性就越大。
4、超平面：我们可以将二维（低维）空间的数据映射到三维（高维）空间中。此时，我们便可以通过一个超平面对数据进行划分。所以，我们映射的目的在于使用 SVM 在高维空间找到超平面的能力。
5、KKT限制条件

6、核函数：线性核函数、多项式核函数、高斯核函数
7、核函数作用：减少计算量，减少内存使用量