标签：样本 使用 strong 需要 问题 直线 标签 投影 就是
介绍了SVM的概念以及如何利用SVM进行一个身高体重的训练和预测。如果类别比较简单的话，那么在二维空间上它有可能就是一条直线。如果类别比较复杂，那么投影到高维空间上它就是一个超平面。所以SVM的本质它就是寻求这样一个最优的超平面。超平面只要找到了，那么就可以利用这个超平面完成分类问题。
SVM支持很多核，这里主要使用线性核。
数据准备。数据也称为训练样本。在准备训练样本的时候需要注意几个地方，第一它需要有正负样本两种情况。第二正样本和负样本的个数不一定要完全相同，也有可能是1:2、1:3甚至是2:3、2:4，任意的组合都可以。
这个label标签运用唯一的描述当前的训练数据。
标签：样本 使用 strong 需要 问题 直线 标签 投影 就是
原文地址：https://www.cnblogs.com/ZHONGZHENHUA/p/9785510.html
