我的AI路之SVM(Support Vector Machine

惊鸿一瞥

SVM（Support Vector Machine， 支持向量机），看到名字，就为之一怔，若是初学者，按照这个名字肯定是毫无概念。如果换个易懂的名字，可以称为是基于若干数据向量的算法，这几个若干数据向量对应于支持向量。事实上 ，就如开车不需要知道或者了解发动机原理、刹车原理一样，使用SVM亦非常简单，甚至只要使用区区5行代码就能构建一个简单的SVM。

、图一  SVM极简demo

第一行代码，从sklearn中导出svm算法包；第二行代码，定义两个二维向量的数据集合；第三行代码，定义前面两个数据对应的标签；第四行代码，定义基于SVM的分类器；第五行代码，根据数据X和标签数据y训练模型。

庖丁解牛

图二 SVM的示例图

根据图二，目标任务很明确，五个字概括，找最优分割。如何使用数学语言来描述并且通过最终数学方法来求解呢？一种思路是，在《我的AI路之序言》中提到，探索未知，提出问题，解决问题。拿出一张白纸，能否自己将找最优分割的方法描述并推导出来呢？（此处省略1500字）。另一种思路是听讲，第一个推荐讲座是MIT的P.H. Winston教授讲授的SVM(请自行B站搜索)。

这堂课里Winston教授讲了SVM的前世今生。简而言之，SVM的流行是一个励志的故事。大概有个叫Vapnic的俄罗斯科学家在其60年代的博士论文就提到了SVM的雏形，但是一直都没有引起大家的广泛关注。直到这个科学家移民到美国，在贝尔实验室工作时跟同事探索出了使用SVM进行手写字体识别的应用，实验数据表明，SVM比起神经网络更胜任手写字识别的工作，从而引起了SVM流行的狂潮。这时已经来到了90年代！