svm이최대화하는기준인클래스“마진”의정의。
서포트벡터는구분하는초평면위치를식별하는훈련관측중일부를가리킵니다。표준표준알고리즘은진，다중클래스문제는일련의이진클래스문제로됩니다의의문제로축소됩니다。
| svm의종류 | 머서커널 | 설명 |
|---|---|---|
| 가우스또는또는사형형기저（RBF） | \（k（x_1，x_2）= \ exp \ left（ - \ frac {\ | x_1 - x_2 \ | ^ 2} {2 \ sigma ^ 2} \右）\） | 단일단일학습。\（\ sigma \）는커널의너비입니다。 |
| 선형 | \（k（x_1，x_2）= x_1 ^ {\ mathsf {t}} x_2 \） |
2-클래스학습。 |
| 다항식 | \（k（x_1，x_2）= \左（x_1 ^ {\ mathsf {t}} x_2 + 1 \右）^ {\ rho} \） |
\（\ rho \）는다항식의차수입니다。 |
| 시그모이드 | \（k（x_1，x_2）= \ tanh \ left（\ beta__ {0} x_1 ^ {\ mathsf {t}} x_2 + \ beta_ {1} \右）\） |
\ \（\ beta_ {0} \）및\（\ beta_ {1} \）값에대해서만머서커널。 |
万博1manbetx支持向量机을을훈련시키는것은클래스간소프트마진을최소화하는에피팅피팅2차최적화문제를푸는것에합니다합니다。변환된특징특징의개수개수서포트벡터의개수개수에따라따라
요점：
- 万博1manbetx支持向量机은널리사용되며，여러분류및회귀작업에서성능성능보입니다。
- 万博1manbetx支持向量机은이진분류에대해되지만，이진분류기분류기를여러개결합하면다중svm을형성할수수수。
- 커널은svm을더유연하고비선형문제를처리할수있도록만듭니다만듭니다。
- 데곡면을생성훈련훈련이터에서에서선택된서포트벡터만필요뿐뿐훈련된후에는나머지훈련데이터는는무의미하기때문에자동화코드생성에적합적합간략모델이생성한표현이생성생성에。
예
万博1manbetx支持向量机은결정경계가이상값값임계값사용하여객체가“정상”클래스에속하는지여부를하는클래스svm을형성하여이상감지사용할수있습니다있습니다。이예에서는matlab이모든표본을다음과같이이상값값의목표비율을토대로단일의의파라미터로매핑매핑FitCSVM（样本，of ......），'OutlierFraction'，......）。아래그래프는인간활동분류작업의데이터데에outlierfaction.의의특정범위에에대해구분초평면을보여보여되는초평면을보여
