Home IT技术 SVM – 支持向量机中向量与点的混淆 SVM – 支持向量机中向量与点的混淆 IT技术 xiaolong · 2025年4月7日 · 0 Comment 为什么在支持向量机理论中,位于最大边界超平面边缘的训练集点被称为支持向量?它们是点,不是吗? 回答: 在这种情况下,点和向量实际上是同一事物。 在给定的原点下,空间中的每个点都可以通过一个向量来描述,反之,每个向量也定义了空间中的一个点。 编辑(基于评论): 选择超平面是为了最佳地分隔两个类别。它仅依赖于最靠近超平面的向量——这些被称为“支持”向量。维基百科页面上的图片对此进行了分类说明。 相关文章: Scikit SVM: 创建训练数据集 SVM训练OpenCV 如何使用Java库进行LibSVM的模型选择? 使用chi平方核进行多标签预测 libSVM – 第二佳分类 Gram Matrix/Kernel in SVMs not positive semi-definite R: 调整SVM参数 – {e1071}包中的class.weights SVM训练数据的选择 使用sklearn的CalibratedClassifierCV和SVM时出现错误 LIBSVM的多类表示 complexity-theory libsvm machine-learning