【阶段三】Python机器学习13篇：机器学习项目实战：支持向量机分类的算法原理

本篇的思维导图：

 

支持向量机分类的算法原理

支持向量机分类算法的基本思路

---

1.最大间隔

---

       支持向量机说到底就是一种“线性分类器”，它以“间隔”作为损失的度量，目标通过不断调整多维的“直线”——超平面，使得间隔最大化。所谓“支持向量”，就是所有数据点中直接参与计算使得间隔最大化的几个数据点，这是支持向量机的得名由来，也是支持向量机的全部核心算法。

---

       单就核心来看，实际上就是一种换了损失函数的线性方法。这种简化方法选择突出支持向量机的基本运行逻辑，而且最大间隔说到底也就是一个计算问题，并不涉及太拗口的数学名词和太抽象的概念，在便于理解方面确实有优势。而且光靠间隔最大化，支持向量机也确实能运转起来。但这种简化方法存在一个重大问题：如果支持向量机只有间隔，那真的就成了又一种线性分类器，初学者可能很难察觉其中存在的问题，反而容易以偏概全，产生误导。

---

2.高维映