Я недавно изучал машинное обучение и увидел на reddit сообщение Please explain Support Vector Machines (SVM) like I am a 5 year old.
Поддерживающая векторная машина (SVM) [2].
Конечно, сначала посмотрите на вики. 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?
Итак, история такова:
В День святого Валентина, когда Великий герой пытался спасти свою возлюбленную, дьявол сыграл с ним в игру.
Дьявол, казалось бы, регулярно кладет на стол шары двух цветов, и говорит: “А если вы разделите их палкой?”

И что хорошего в том, что он отпустил его?

Затем дьявол, снова положив мяч на стол, показалось, что один из столов оказался не в том лагере.

SVM - это попытка поставить палку в оптимальном положении, чтобы иметь как можно больший промежуток между двумя ее сторонами.

Теперь, даже если дьявол бросит больше мячей, палка остается хорошей разделительной линией.

Затем в SVM Toolbox появился еще один, более важный трюк. Дьявол увидел, что Великий человек уже выучил трюк, и предложил ему новую задачу.

Теперь, когда у великого героя нет палочки, которая могла бы хорошо помочь ему разделить два вида мячей, что теперь делать? Конечно, как во всех фильмах о великом герое, стол ударил, мяч полетел в воздух. Затем, с помощью легкого труда великого героя, он схватил лист бумаги и вставил его между двумя видами мячей.

Теперь, когда мы смотрим на эти шары с точки зрения дьявола, они выглядят так, будто они разделены кривой.

А потом, когда взрослым стало скучно, они назвали шары “данными”, палки - “классификаторами”, трюк с максимальным интервалом - “оптимизацией”, стол - “кернеллингом”, а лист бумаги - “гиперпланом”.
Справка:
Please explain Support Vector Machines (SVM) like I am a 5 year old. : MachineLearning
Support Vector Machines explained well




Что такое SVM?
SVM - support vector machine, известная как support vector machine, является алгоритмом супервизионного обучения, относящимся к категории classification. В приложениях для добычи данных он соответствует и отличается от неконтролируемого кластеризации. Широко применяется в машинном обучении, компьютерном зрении и добыче данных. Приблизительная схема SVM представлена на рисунке 1.

Предположим, что мы хотим по три восьмиконечной линии разделить на две категории: твердое сердце и пустое сердце. Если вы не знаете, как это сделать, то есть много других способов сделать это. В SVM мы ищем оптимальную разделительную линию, которая дает нам максимальную маржу по обе стороны. Несколько данных, которые в этом случае обобщаются, называются векторами поддержки, откуда и происходит название алгоритма классификации.
Расширяется на любую n-мерную и даже бесконечную величину, как показано на рисунке 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.
В конце концов, Статистическое направление: Support Vector Machines (SVM) wiki:Support vector machine Учебник: страница на columbia.edu В этом видео вы можете увидеть, как люди используют свои собственные лестницы, чтобы подняться на лестницу, чтобы подняться на лестницу, чтобы подняться. http://youtu.be/3liCbRZPrZA
Смотреть онлайн