算法-4 分类：SVM支持向量机

01

—

SVM

一、向量

1、向量：具有大小和方向的量
2、标量、向量、矩阵、张量的关系

• 点——标量（scalar）

• 线——向量（vector）

• 面——矩阵（matrix）

• 体——张量（tensor）

                                                                                    --easyai-tech

二、超平面

定义：n维欧式（线性）空间中维度为 n−1的子空间，它可以把空间分割为不相交的两部分。这里的 n必须大于 3，其子空间才能称之为超平面。

白话版：超平面就是在进行分类间隔，它的功能就是用来分割空间，为了让大家直观理解，我特地画了个图（亲手画的）。一维里是一个点分割空间，二维里是条线，三维刚好是个平面，四维的用几何已经无法表示了，但是我们赋予这个分割的东西为超平面，就比较形象了。超平面其实就是平面中的直线、立体中的平面之延伸。

三、SVM

SVM 就是帮我们找到一个超平面，这个超平面能将不同的样本划分开，同时使得样本集中的点到这个分类超平面的最小距离（即分类间隔）最大化。这个超平面就是我们的 SVM 分类器。支持向量就是离分类超平面最近的样本点，实际上如果确定了支持向量也就确定了这个超平面。

所以中文叫支持向量机，英文是 Support Vector Machine，简称 SVM。

公式：

四、硬、软间隔和核函数

假如数据是完全的线性可分的，那么学习到的模型可以称为硬间隔支持向量机。同理，软间隔支持向量机，非线性支持向量机。

五、多分类问题

Python sklearn 简介

夜深了，直接贴图吧，没空写字了。

“一页纸”极简思考法

                                                                           --浅田卓的《一页纸极简思考法》    

1、由上图可知主要是2种：

• Excel1:在这个表里罗列出所有你想做的事，分出紧急、重要的事，分别画上三角形和圆圈，就知道自己应该怎么做了。如下图
  

                                                                                   --浅田卓的《一页纸极简思考法》

• Logic3：针对某件事提3个疑问Q1/2/3，例如what/why/how,最后做一个总结1P。如下图

  

                                                                                  --浅田卓的《一页纸极简思考法》

其实原理很简单，是大家都懂的道理：你手上很多待解决的事情，罗列出来分轻重缓急，然后针对要紧的事按what/why/how去解决问题，最后来个总结。但这个思考法胜在2个点：

• 加了框架，让你始终关注最核心的几个点。

• 视觉上让问题呈现简洁清晰，人心理易接受。

这样一页纸就能搞定了，让你可以围绕【目的】不断提炼总结，不发散走偏。【对方想知道什么】，关键传达信息高效，看的人一目了然。

3、一页纸极简思考法：整理复杂信息和思考。

职业转型