我們在學習人工智慧以及智能AI技術的時候曾經給大家介紹過不同的機器學習的方法，而今天我們就著重介紹一下，關於機器學習的常用演算法都有哪些類型。
支持向量機是什麼?支持向量機是一種有監督的機器學習演算法，可以用於分類或回歸問題。
它使用一種稱為大核哪核技巧的技術來轉換數據，然後根據這些轉換在可能的輸出之間找到一個邊界。
簡單地說，它做一些非常復雜的數據轉換，然後根據定義的標簽或輸出來劃分數據。
那麼是什麼讓它如此偉大呢?支持向量機既能進行分類又能進行回歸。
在本文中，我將重點介紹如何使用SVM進行分類。
我將特別關注非線性支持向量機，或者說是使用非線性核的支持向量機。
非線性支持向量機意味著演算法計算的邊界不一定是直線。
好處是您可以捕獲數據點之間更復雜的關系，而不必自己做困難的轉換。
缺點是訓練時間更長，因為它需要更多的計算。
那麼核技巧是什麼?核技巧對你獲得的數據進行轉換。
有一些很好的特性，你認為可以用來做一個很好的分類器，然後出來一些你不再認識的數據。
這有點像解開一條DNA鏈。
你從這個看起來很難看的數據向量開始，在通過核滾碼技巧之後，它會被解開並自我復合，直到它現在是一個更大的數據集，氏含通過查看電子表格無法理解。
但是這里有魔力，在擴展數據集時，你的類之間現在有更明顯的界限，SVM演算法能夠計算出更加優化的超平面。
接下來，假設你是一個農民，你有一個問題-你需要設置一個圍欄，以保護你的奶牛免受狼的攻擊。
但是你在哪裡建造籬笆?好吧，如果你是一個真正的數據驅動農民，你可以做的一件事就是建立一個基於你牧場中奶牛和狼的位置的分類器。
天津北大青鳥http://www.kmbdqn.cn/建議通過幾種不同類型的分類器，我們看到SVM在從狼群中分離你的奶牛方面做得很好。
我認為這些圖也很好地說明了使用非線性分類器的好處。
您可以看到邏輯和決策樹模型都只使用直線。