支援向量機模型的基本原理是什麼

基本原理：

是將分類點正確區分，使得分隔的距離最大，可以轉化為凸二次規劃問題來求解。

概念：

支援向量機是常見的一種判別方法，在機器學習領域，是一個有監督的學習模型，通常用來進行模式識別、分類以及迴歸分析。

主要思想：

1、它是針對線性可分情況進行分析，對於線性不可分的情況，通過使用非線性對映演算法將低維輸入空間線性不可分的樣本轉化為高維特徵空間使其線性可分，從而使得高維特徵空間採用線性演算法對樣本的非線性特徵進行線性分析成為可能；

2、它基於結構風險最小化理論之上在特徵空間中構建最優超平面，使得學習器得到全域性最優化，並且在整個樣本空間的期望以某個概率滿足一定上界。