SVM (vector de soporte)是一种算法aprendizaje supervisado我们可以使用clasificación binaria或regresión。所以我们可以把它应用到自然的龙瓜加耶的生活中去reconocimiento de画像y拉人工视觉．
在máquina中我们可以解释一个平面óptimo以表面形式解释decisión，在separación中我们可以在amplía al máximo中解释这些类别。我们可以参照一个pequeño次结合的观测数据我们可以参照ubicación óptima表见decisión。
因此，我们可以将逻辑向量作为一种算法机器学习Denominados métodos kernel y también se conocen como máquinas kernel。
我的信念是:
- 变形金刚的预测(数据)在características的空间空间。为特定核的充分性;Los datos nunca se transforman explícitamente al espacio de características。这是一种处理方法comúnmente这是一种处理方法。
- 解决这个问题optimizacion cuadratica需要调整一个UN hiperplano óptimo para classicar las características transformadas en DOS类。El número de características transformadas está determinado por El número de vectorres de soporte。
我们可以在decisión的表面上进行建构，但我们必须在我们的记忆中进行选择。一切都好，一切都好，一切都好。
在这里，内核流行于我们可以使用máquinas支持向量机，包括:
| 蒂波德支持向量机 | 美世的内核 | Descripcion |
|---|---|---|
| Función基径向(RBF)高斯 | \ (K (x_1、x_2) = \ exp \离开(- \压裂{\ | x_1——x_2 \ | ^ 2}{2 \σ^ 2}\)\) | 在我们的船上;(sigma\)是核的属性 |
| 直系 | \ (K (x_1、x_2) = x_1 ^ {\ mathsf {T}} x_2 \) |
在上课之前 |
| Polinomica | \ (K (x_1、x_2) = \离开(x_1 ^ {\ mathsf {T}} x_2 + 1 \右)^{\ρ}\) |
这是一种脊髓灰质炎的顺序 |
| 乙状结肠 | \ (K (x_1、x_2) = \双曲正切\离开(\ beta_ {0} x_1 ^ {\ mathsf {T}} x_2 + \ beta_ {1} \) \) |
Es un kernel Mercer solo para determinados valores \(\beta_{0}\)y\ (\ beta_ {1} \) |
Para obtener más información sobre cómo ajustar los clasificadores de máquinas de vectorres de soporte，咨询统计和机器学习工具箱™Para su uso conMATLAB®．
