9.3 支持向量机支持向量机，一种线性和非线性数据有前途的新划分类方法。巧妙利用向量内积的回旋，通过将非线性核函数将问题变为高维特征空间与低维输入空间的相互转换，解决了数据挖掘中的维数灾难。由于计算问题最终转化为凸二次规划问题，因此挖掘算法是无解或有全局最优解。支持向量机定义n 所谓支持向量机，顾名思义，分为两个部分了解：n 一，什么是支持向量（简单来说，就是支持或支撑平面上把两类类别划分开来的超平面的向量点）n 二，这里的“ 机（machine ，机器）” 便是一个算法。在机器学习领域，常把一些算法看做是一个机器，如分类机（当然，也叫做分类器），而支持向量机本身便是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。SVM 的描述n 目标：找到一个超平面，使得它能够尽可能多的将两类数据点正确的分开，同时使分开的两类数据点距离分类面最远。n 解决方法：构造一个在约束条件下的优化问题，具体的说是一个约束二次规划问题(constrained quadratic programing) ,求解该问题，得到分类器。概 述1. 线性可分情形线性可分情形最大边缘超平面(MMH)边缘：从超平
