机器学习笔记 - 支持向量机(SVM)_手把手训练svm模型

一、支持向量机概述

1、概述

        支持向量机（Support Vector Machine，SVM）是一个功能强大并且全面的机器学习模型，它能够执行线性或非线性分类、回归，甚至是异常值检测任务。它是机器学习领域最受欢迎的模型之一，任何对机器学习感兴趣的人都应该在工具箱中配备一个。SVM特别适用于中小型复杂数据集的分类。

        通常SVM用于二元分类问题，对于多元分类可将其分解为多个二元分类问题，再进行分类，主要的应用场景有图像分类、文本分类、面部识别、垃圾邮件检测等领域。

2、优缺点

优点：泛化错误率低，计算开销不大，结果易解释。

缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题。

适用数据类型：数值型和标称型数据。

3、通常应用流程

（1）收集数据：可以使用任意方法。

（2）准备数据：需要数值型数据。

（3）分析数据：有助于可视化分隔超平面。

（4）训练算法：SVM的大部分时间都源自训练，该过程主要实现两个参数的调优。

（5）测试算法：十分简单的计算过程就可以实现。

（6）使用算法：几乎所有分类问题都可以使用SVM，值得一提的是，SVM本身是一个二类分类器，对多类问题应用SVM需要对代码做一些修改。

二、线性SVM分类