数据挖掘十大算法（三）：SVM与支持向量机[初步]

支持向量机（Support Vector Machine, SVM）是一种专门用于实现二分类任务的分类方法，通过利用训练数据集构建出的分类模型，能够对未知样本进行类别判断，即判定其属于正类或负类。此外，SVM同样适用于回归分析。

本部分内容仅针对支持向量分类器（SVC）进行阐述。依据所处理数据集的不同特征，SVM可被划分为以下三种类型：

1.线性可分

2.线性不可分

3.非线性

接下来，将以线性可分的情形为切入点，对SVM的基本概念及其相关公式推导过程进行详细说明。

一、什么是SVM

以下以一个二维数据集为例，阐述SVM的基本概念，从而帮助更直观地理解其功能。如图所示，所展示的训练集为二维平面上的一组点，其中黑色标记的点代表正例，红色标记的点则为负例，这些标记即为对应的类别标签。当前的目标是依据该训练集确定一条分割线，用于对测试集中的点进行分类。位于该直线两侧的样本将被划分为不同的类别。

当前存在如图所示的两条直线，其作用是用来实现分类任务。

![](https://ad.itadn.com/c/weblog/blo