Saya baru-baru ini belajar pembelajaran mesin sendiri, dan melihat catatan di reddit yang berjudul Please explain Support Vector Machines (SVM) like I am a 5 year old, satu kata terima kasih!
Mesin vektor sokongan (SVM)
Jadi, kita lihatlah di wiki. Support Vector Machines are learning models used for classification: which individuals in a population belong where? So… how do SVM and the mysterious “kernel” work?
Baiklah, beginilah ceritanya:
Pada Hari Valentine yang lalu, Superman cuba menyelamatkan kekasihnya, tetapi iblis bermain dengannya.
Iblis nampaknya meletakkan bola dua warna di atas meja dengan teratur, berkata: “Apakah anda memisahkannya dengan tongkat?”

Jadi, apa yang dia lakukan?

Kemudian iblis, meletakkan lebih banyak bola di atas meja, seolah-olah salah satu daripada mereka berada di perkhemahan.

SVM adalah cuba untuk meletakkan tongkat di kedudukan yang terbaik, supaya terdapat ruang yang besar di kedua-dua belah tongkat.

Sekarang, walaupun ada lebih banyak bola, tongkat masih menjadi garis pemisah yang baik.

Kemudian, terdapat satu lagi trick yang lebih penting dalam kotak perkakas SVM. Syaitan melihat bahawa Superman telah mempelajari satu trick, jadi dia memberi Superman satu cabaran baru.

Sekarang, Big Hero tidak mempunyai tongkat yang dapat membantu dia memisahkan dua jenis bola, apa yang harus dilakukan sekarang? Sudah tentu seperti dalam semua filem Big Hero, meja Big Hero memukul, bola terbang ke udara. Kemudian, dengan bantuan Big Hero, Big Hero mengambil sehelai kertas dan memasukkan ke tengah-tengah dua jenis bola.

Sekarang, dari sudut pandangan syaitan, bola-bola ini kelihatan seperti dipisahkan oleh garis lurus.

Selepas itu, orang dewasa yang bosan memanggil bola itu “data”, tongkat itu “classifier”, trik paling besar dipanggil “optimization”, meja itu dipanggil “kernelling”, dan kertas itu dipanggil “hyperplane”.
Rujukan:
Please explain Support Vector Machines (SVM) like I am a 5 year old. : MachineLearning
Support Vector Machines explained well




Apakah SVM?
SVM - support vector machine, dikenali sebagai mesin vektor sokongan, adalah algoritma pembelajaran terpelihara, termasuk dalam kategori klasifikasi. Dalam aplikasi penggalian data, ia berbeza dengan pengumpulan tanpa pengawasan. Ia digunakan secara meluas dalam pembelajaran mesin (Machine Learning), penglihatan komputer (Computer Vision) dan perlombongan data (Data Mining). SVM berfungsi seperti yang ditunjukkan dalam Rajah 1.

Katakanlah kita mahu membahagikan lingkaran hati dan lingkaran hati kosong ke dalam dua kategori melalui garis tiga lapan. Jadi ada banyak lagi baris yang boleh digunakan untuk menyelesaikan tugas ini. Dalam SVM, kita mencari garis sempadan yang optimum yang menjadikan margin kedua-dua belah pihaknya adalah maksimum. Dalam kes ini, beberapa titik data yang dikhususkan di pinggir dipanggil vektor sokongan, yang merupakan sumber nama algoritma klasifikasi ini.
Ia boleh berkembang ke mana-mana n dimensi atau ruang tanpa had, seperti yang ditunjukkan dalam Rajah 2.

We got a bunch of data points in a n- dimensional to infinite-dimensional space, Then one can always find a optimal hyperplane which is always in the n-1 dimension.
Akhir sekali, Arah statistik: Mesin vektor sokongan (SVM) wiki:Support vector machine Kursus: Laman web Columbia.edu Dan satu lagi video yang hebat. http://youtu.be/3liCbRZPrZA
Dipetik dari Ketahui