Model 什么'；S-SVM或SVR模型

什么是SVM或SVR模型？ 什么决定了支持向量机模型

以前，我认为如果你知道SVM核的类型（例如RBF核）并且你知道确切的参数，比如SVR中的-C，-gama，-epsilon，那么模型就确定了

然后，我认为模型应该是相对于SVs的，SVs是一些训练示例，所以模型应该由训练示例确定。是这样吗

如何理解支持向量机模型？模型依赖于什么？模型的内部是什么。谢谢

---

如果你想举个例子，我更喜欢LIBSVM工具箱。

SVM模型是一个以下分类函数

cl(x) = sgn( SUM_i y_i alpha_i K( SV_i, x ) + b )

在哪里

• y_i是第i个支持向量的标签（-1或+1）
• alpha_i是在优化过程中发现的第i个支持向量拉格朗日乘数
• SV_i是第i个支持向量
• K（x，y）是核函数
• b是截距项，在优化过程中找到

如果phi（x）是核空间转移函数（意味着K（x，y）=），则解释直接来自其推导，而不是：

是分离超平面的法线（垂直向量）。所以上面的分类公式只是检查给定的点是在这个超平面的一边还是另一边。解释的核心困难来自于phi（x）将点转换为可能非常复杂的空间，在RBF核的情况下，phi（x）将点转换为函数空间，这意味着每个点都成为一个函数，并且你的超平面是函数空间中的一个超平面。这是一个有点抽象的概念，但仍然有效

w = SUM_i y_i alpha_i phi( SV_i )