簡稱SVM，講人話就是在不同分類群體中找出一條分隔線，使邊界最近的資料點越遠越好，以此來達到分類的目的。
支持向量機是一種監督式學習的演算法，主要用於「分類」，名字中的支持向量是指距離分隔線(超平面)最近的點。SVM可分成兩種:
線性可分:如同上面所說，在二維空間的情況下，找出一條分隔線(超平面)，使距離越遠越好，但在三維空間的情況下，就是要找一個面了。
非線性可分:將資料透過核函數由低維度線性不可分映射到高維度線性可分，使用邊界最大化，找出上述所說的超平面(一定是唯一的，但我不知道為什麼)，最後建構出分類模型。
因為我實在不想看那些複雜的公式，索性就不去理解了XD寫的比較淺白，請見諒!
iThome鐵人賽
看影片追技術