Principio de algoritmo de máquina vectorial de soporte

El principio del algoritmo de la máquina de vectores de soporte se presenta de la siguiente manera:

Support Vector Machine (SVM) es un algoritmo de aprendizaje automático ampliamente utilizado, que se utiliza principalmente para resolver el problema de la máquina de vectores de soporte. (SVM). Support Vector Machine (SVM)) es un algoritmo de aprendizaje automático ampliamente utilizado que se utiliza principalmente para resolver problemas de clasificación binaria. Su modelo básico se define como un clasificador lineal con un intervalo máximo en el espacio de características, lo que lo diferencia del perceptrón.

En un espacio vectorial de dimensión finita, si las muestras son linealmente inseparables, entonces podemos asignarlas a un espacio vectorial de dimensión superior. Luego, en el nuevo espacio, encontramos un hiperplano de separación mediante la maximización de intervalos para separar muestras de diferentes categorías. Este hiperplano es la superficie divisoria óptima que estamos buscando, que puede maximizar la distancia mínima entre los dos conjuntos de puntos y este plano, es decir, la distancia entre los puntos del borde y este plano.

Para resolver este hiperplano óptimo, necesitamos controlar la función distancia y la función distancia para encontrar los valores w y b del hiperplano. Este proceso se puede lograr relajando los valores w y b. También vale la pena señalar que SVM contiene trucos del kernel, lo que lo convierte esencialmente en un clasificador no lineal. Con el truco del kernel, SVM puede manejar problemas linealmente inseparables, ampliando enormemente su alcance de aplicación.