~今天要分享的是「支持向量機介紹」~

支持向量機又稱為SVM，它是一種監督式機器學習方式，可用於解決迴歸跟分類的問題，用於迴歸稱做SVM-R(Regression)，用於分類則稱為SVM-C(Classification)。

當欲分析的資料具有多個變數(高維數據)時，並不容易找到一個可以有效區分數據的函數，而SVM的核心概念是將數據投射到一個平面上，這個平面在二維空間是一條直線，SVM會計算每個樣本距離這條線的距離，目的是找到一條線與這些樣本有著最大的邊距(稱為Margin)，讓SVM可以有效的區分資料。

[考試愛考觀念]
懲罰參數(標記為C)：用於防止模型過擬合。如果參數C的值越大，就越容易導致模型過擬合，因為可容忍的間距會變窄；如果參數C的值越小，則越容易導致模型欠擬合，因為可容忍的間距會變寬。
也就是說，當過擬合時，降低參數C的值；當欠擬合時，增加參數C的值。

“硬邊距”與”軟邊距”
硬邊距：邊距不能改變，不能容忍分類錯誤
軟邊距：邊距可以透過調整參數C改變，可以容忍分類錯誤