万博1manbetx支持向量机（SVM）ES未algoritmo德aprendizaje supervisado阙本身utiliza连接muchos problemas德clasificaciónŸregresión，incluidas aplicacionesmédicas德procesamiento德的Senales，procesamiento德尔lenguaje自然ÿreconocimiento de画像ÿ呼声。
支持向量机算法的目标是在一个大的可能的形式中区分不同的数据。“可能存在的主要形式”暗示着我们可以忽略这个问题más在这些类别中很重要，代表您的签名más我可以在figura中很重要。在这里，我们定义这个地方máxima这个地方región这个平行的地方是不存在内部数据的。这个算法可以单独解决线性的问题;En la mayoría de los problemas prácticos, el algoritmo maximiza el margin flexible permit UN pequeño número de clasificaciones erróneas。
定义德尔“margen”恩特雷里奥斯clases：EL搜索标准阙洛杉矶SVM intentan optimizar。
洛杉矶vectores德soporte hacen referencia联合国subconjunto德拉斯observaciones德entrenamiento阙identifican拉ubicación德尔hiperplano德separación。萨尔瓦多algoritmo SVMestándarESTA formulado对problemas德clasificaciónbinaria;洛杉矶problemas multiclase normalmente SE reducen一个UNA意甲德problemas binarios。
Específicamente，支万博1manbetx持向量机是一种算法机器学习denominadosmétodos内核，东德本身puede utilizar UNAfunción德内核对transformar拉斯CARACTERÍSTICAS。拉斯维加斯funciones德内核asignan洛杉矶DATOS联合国非裔维diferente，阙suele SER优越，CON LA expectativa德阙resulteMÁS卸妆水separar拉斯clasesdespués德ESTAtransformación，simplificando potencialmente洛杉矶限制一个去决定complejos没有lineales对hacerlos lineales EN EL非裔维德CARACTERÍSTICAS优越asignado。恩埃斯特proceso，洛杉矶DATOS没有本质泰尼恩阙transformarexplícitamente，老阙supondríaUNA阿尔塔carga computacional。埃斯托本身conoce科莫truco德内核。
马铃薯®加入各种果仁，请注意:
| TIPO德SVM | 内核德美世 | Descripción. |
|---|---|---|
| Función德碱径向（RBF）O gaussiana | \（K（X_1，X_2）= \ EXP \左（ - \压裂{\ | X_1 - X_2 \ | ^ 2} {2 \西格玛^ 2} \右）\） | Aprendizaje德UNA化酶。\（\西格玛\）representa LA anchura德尔内核。 |
| lin | \ (K (x_1、x_2) = x_1 ^ {\ mathsf {T}} x_2 \) |
在上课之前。 |
| Polinómica | \（K（X_1，X_2）= \左（X_1 ^ {\ mathsf【T}} X_2 + 1 \右）^ {\ RHO} \） |
ρ\ (\ \)representa EL奥登德尔polinomio。 |
| Sigmoide | \（K（X_1，X_2）= \的tanh \左（\ beta_ {0} X_1 ^ {\ mathsf【T}} X_2 + \ beta_ {1} \右）\） |
Representa未内核德美世独奏第determinados VALORES \（\ beta_ {0} \）Y \（\ beta_ {1} \）。 |
支持向量机是解决问题的一种方法万博1manbetxoptimizacióncuadrática我们需要一个最小的弹性空间。El número de características transformadas está determinado por El número de vectorres de soporte。
Puntos釜：
- 万博1manbetx支持向量机儿子MUY POPULARESŸlogran未布恩rendimiento恩我是欢迎tareas德clasificaciónÿregresión。
- Aunque洛杉矶algoritmos SVMestánformulados对拉clasificaciónbinaria，洛杉矶algoritmos SVM multiclase SE construyen combinando VARIOS clasificadores binarios。
- 洛杉矶内核hacen阙洛杉矶SVM肖恩MÁS软包装Ÿcapaces德gestionar problemas没有lineales。
- 帕拉construir拉superficie日决定，独奏SE requieren洛杉矶vectores德soporte seleccionados一个partir德洛斯DATOS德entrenamiento。乌纳VEZ terminado EL entrenamiento，EL Resto餐厅德洛斯DATOS德entrenamiento ES不相关的，produciendo UNArepresentación致密德尔莫德洛阙ES adecuada对generarcódigo去备考automatizada。
Ejemplo
Estos algoritmostambiénSE pueden utilizar对detectaranomalías，creando联合国SVM日乌纳CLASE库约LIMITE日决定确定SI非objeto pertenece一拉化酶“正常” utilizando未本影atípico。一个continuaciónSE muestra科莫MATLAB asigna待办事项洛杉矶ejemplos一个UNA索拉CLASE恩función德拉fracciónobjetivo德VALORESatípicos科莫parámetro，德拉siguiente备考：fitcsvm(样本,(…),‘OutlierFraction’,…)。这里是gráfica，这里是separación，这里是rangoOutlierFractions第DATOS日乌纳利亚德clasificación德ACTIVIDAD Humana公司。
