最佳答案
支撐向量機（Support Vector Machine，簡稱SVM）是一種常用的監督進修演算法，廣泛利用於形式辨認跟回歸分析中。它經由過程尋覓一個最優的超平面，將差別類其余數據點分開，以達到分類的目標。 在數學現實中，支撐向量機可能被描述為一種二類分類模型。其基本模型定義為特徵空間上的間隔最大年夜的線性分類器，間隔最大年夜使它有別於感知機；其余，SVM還包含核技能，從而成為非線性分類器。支撐向量的不雅點是SVM中的核心，指的是那些位於決定界限上，並對分類決定起決定性感化的數據點。 具體來說，支撐向量機的道理是：給定一個練習樣本集，經由過程構造一個超平面，將兩類樣本點分開，並且使得每一類樣本點離這個超平面的間隔都儘可能遠。這裡的「間隔」在數學上被情勢化為「間隔」。那些離超平面近來的樣本點被稱為支撐向量，因為它們支撐起了這個超平面的決定界限。 在現實利用中，當數據不是線性可分時，可能利用核函數將輸入空間映射到高維特徵空間，使得底本線性弗成分的數據在新的空間中變得線性可分。罕見的核函數包含線性核、多項式核、徑向基函數（RBF）核等。 總結而言，支撐向量機是一種富強的分類東西，它經由過程尋覓最優超平面，並在須要時代入核函數處理非線性成績，以實現數據的有效分類。它的長處在於泛化才能強，特別合適於小樣本、非線性及高維形式辨認成績。