机器学习_经典模型_SVM常见问题总结

1.SVM的应用场景 SVM既可以用于线性分类也可以用于非线性分类，这主要取决于和函数的选取。在已知样本很少的情况下，获得很好的分类效果。 2.SVM的原理简单概括： SVM是一种优化的分类算法，它可以寻找到一个最佳的决策边界（决策超平面），使得决策边界与各组数据之间存在margin，并且需要使各侧的margin最大化。 3.支持向量 支持向量（support vector）是SVM中起到支持作用

>>阅读原文<<