支持向量機英文名稱Support Vector Machine簡稱SVM，它是由前蘇聯科學家Corinna Cortes在1995年首先提出的，它在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢，并能夠推廣應用到函數擬合等其他機器學習問題中.

SVM是一種二分類模型，它的目的是尋找一個超平面來對樣本進行分割，分割的原則是間隔最大化，最終轉化為一個凸二次規劃問題來求解. 在機器學習中，使用支持向量機的學習算法的監督學習模型，可以分析數據，識別模式，用于分類和回歸分析.

好了，我知道你們對上面“無聊”發困式的敲黑板知識點早就想揭竿起義了，sorry，下面我們來說點正常話. 此事還要從一個故事講起：

話說在情人節的那一天，楊過大俠得知他心愛的姑姑就在情人谷，坐上他的專機--雕兄，疾飛情人谷. 眨眼間（專機很快），楊大俠背著大劍站在山谷口，但他沒直接進去，為啥? 因為情人谷有天下劇毒花-情花，中者必死，而此時情人谷谷主孫止（你們肯定不記得了，我專門查的）已經在谷口前放置了大量一盆一盆的情花. 姑姑很思念，楊過很著急，打算喊著德瑪西亞（我愛姑姑）的口號，手持大寶劍，硬闖蘑菇陣（情花陣），而此時，吃瓜群眾金輪法王出來說句“公道話”：“孫谷主，你這么搞太不講江湖道義了，有本事咱們1V1決戰？”其他的吃瓜皮的群眾也跟著附和.

孫谷主臉面受不了了，于是提出了一個辦法（注意：重點來了）：在谷口的很多盆情花中有很多是無毒的，開的花是藍色的，有毒的開紅花，它們的數量幾乎均等，需要楊大俠利用手中的大寶劍一劍將它們分開. 孫谷主很大氣也不為難他，啟動陣法將兩種情花幾乎有規律的分開了，但是有兩個要求：1.楊大俠將它們分開后，形成的兩類情花組，在盡量放置更多的情花（藍色和紅色都有），不會出現很多放錯現象，即藍色的隊伍里不會被放進紅色的花，紅色的隊伍里不會被放進藍色的花；2.既然楊大俠的武功已經登峰造極，那么增加一下難度，不過分吧？要求劍氣劃過的位置盡量恰好在兩種花的中間位置，即劃痕兩邊有盡可能大的空隙，這個空隙也就是情花與劃痕的距離.（下圖所示，花不會畫以圓圈代替，大家見諒）

楊大俠大喝一聲，這有何難，大劍一揮，瞬間劃出一道劍氣，如下圖：

孫谷主大笑一聲，楊大俠，好武功！但是你只滿足了我的第一個要求，第二個要求沒有滿足哦. 楊過此時老臉一紅，道：“在下剛來此地不熟悉這里氣流，還請孫谷主再給一次機會“. 于是還沒等人家同意，寶劍又一揮

“好人“金輪法王見狀，喝道：“楊大俠的武功果然已經達到人劍合一的地步了，孫谷主，已經完全滿足你的兩個要求了吧“

孫谷主哼了一聲，而后大袖一揮，改變陣法增加了一些情花，此時情花陣是這樣的，似乎有一盆紅色的情花站錯隊了，

楊大俠見狀，也不含糊，再次大劍一揮，情花陣變成這樣

此時，這種分法，即使孫谷主放更多的情花，也能夠滿足他的要求，孫谷主發現楊過已經學會了一個Trick（方法、招式）心有不甘，于是提出再增加一些難度，大袖一揮情花陣變成這樣

楊過依一看，冷笑道：“雖然沒法用一刀斬式（線性）的劍氣分開，但是在下學過玉女劍法（劃斜杠）武當登云梯“，只見他大喝一聲，所有花瞬間拋向空中，迅速穿插于花叢間采花（劃斜杠）將一片片樹葉插到兩種花之間.

此時在高處的孫谷主等人看到的這些情花，像是被一條曲線分開

孫谷主見狀感概一聲“楊大俠武功果然是天下第一了，罷了你進去吧“.

后來一些無聊的好事者(可能是馬可波羅)將此事演繹推論，將這些情花叫做data(數據集)，楊大俠的劍氣痕跡叫做classifier（分類器），找到最大間隙的trick（方法）叫做optimization（最優化），運功讓情花起飛的動作叫做kernelling(核函數)，那張張樹葉叫做hyperplane(超平面). 具體的含義這里不細說了，有興趣可以自己查找資料看一下.

概述一下：當一個分類問題，數據是線性可分的，也就是楊過可以用一刀斬式的劍氣將兩類花直接分開，我們只需要將劍氣痕位置放在讓情花距離氣痕的距離最大化的位置即可，尋找這個間隙最大化的過程叫最優化. 但是現時很殘酷，谷主很無情，一般的數據是線性不可分的，也就是楊過找不到一個合適位置將情花很好的分類. 這時候，我們就需要學習楊大俠，利用樹葉來將情花進行分類. 想讓數據起飛，需要內功-核函數（kernelling），用于切分情花的樹葉就是超平面.

SVM就是找到最優劍氣劃痕（適用線性可分數據）和最優超平面（線性不可分數據）.

當然，SVM是一個非常重要的分類器，內容非常多，這里主要是簡單介紹一下SVM，有機會下期會做一些小案例來說明.

總結

以上是生活随笔為你收集整理的支持向量机python代码_支持向量机及python实现（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。