svm算法基本原理
一、svm算法的基本原理
1、概述
svm(Support Vector Machine)， 支持向量机，是一种最先进的机器学习算法，它是最早由Vapnik和鲁棒学习理论中的应用来进行二分类的算法。

svm 的基本思想是：通过构建最大间隔分类器(Maximum Margin Classification)，来有效地解决二分类问题。

2、基本思想
（1）假设集合A和B组成了空间中的两个类别，此时它们分别被两个超平面F1和F2分割，而超平面F1和F2之间的距离称为类间距。

（2）构建一种最大间隔分类器，就是要求超平面F1和F2之间的距离最大，即类间距最大，同时尽可能的保证其分类性能良好。

（3）支持向量机是一种基于几何学的机器学习方法，能够解决许多问题。

它的核心思想是计算出两类数据之间最优的分类超平面，使得分类超平面到最近的点的距离最大，即类间距最大。

（4）svm 的另一个优点是可以把非线性可分的数据转换成线性可分的数据，这样就可以使用线性的svm算法进行模型训练。

3、应用
SVM的主要应用包括文本分类、语音识别、机器学习、垃圾邮件过滤、回归分析等，是一种广泛应用的机器学习算法。

它已经发展成为一种实用的智能工具，在各行各业中都得到了充分的应用。