机器学习小结

关于svm和神经网络的恩爱情仇

两者都是在寻找一个可分割的超平面，单层神经网络的感知机是线性可分，非线性不可分的。有局限性。这时候svm出现了，通过核函数解决了非线性数据的问题。后来随着硬件的发展解决了多层神经网络的计算问题，神经网络也可以做非线性数据的分割问题了

至于svm怎么寻找超平面的，大概分三步

第一步，线性可分，求距离各个样本距离最短的超平面。

第二步，线性不太可分，引入松弛变量，然后软间隔最大化。也是个线性分类器

第三步，线性不可分，引入核函数，低纬到高维映射。

svm具体求解过程：

svm的关键参数：

参考资料：https://blog.csdn.net/szlcw1/article/details/52259668

LIBSVM:http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html