支持向量机 (e1071::svm, kernlab::ksvm)

文档摘要

支持向量机 (e1071::svm, kernlab::ksvm) 支持向量机 (SVM) 在 R 语言中的应用：与 1. SVM 的基本原理 SVM 的目标是找到一个超平面，将不同类别的数据点分隔开。这个超平面应该尽可能地远离两类数据点，以提高模型的泛化能力。超平面：在二维空间中是一条直线，在三维空间中是一个平面，在高维空间中是一个超平面。支持向量：距离超平面最近的数据点，它们决定了超平面的位置和方向。间隔：超平面到最近的支持向量的距离。SVM 的目标是最大化这个间隔。核函数：用于将数据映射到高维空间，使得在高维空间中更容易找到一个线性可分的超平面。常用的核函数包括线性核、多项式核、径向基函数 (RBF) 核等。 2.