为什么SVM是一个＆＃34;黑盒子＆＃34;学习算法？

Question

我正在阅读Andrew Ng关于Coursera的机器学习课程，在他关于SVM的部分的介绍中他说：＆＃34;许多人认为SVM是最强大的黑匣子＆＃39;学习算法＆＃34;

他没有详细说明。为什么SVM会被视为黑匣子？是因为他们的行为比逻辑回归更简单吗？

Answer 1

在机器学习中，一些算法被称为黑盒过程，因为将输入转换为输出的机制被假想框混淆，不受观众的干扰。

一般而言，SVM尝试解决的基本问题是二元分类。其中一个经典示例是区分垃圾邮件和非垃圾邮件。

支持向量机背后的主要思想是，它试图找到一个超空格分隔空间中的那些点，一方面是正面例子，另一方面是负面例子。

这就是＆＃34; machine＆＃34;进入这个名字。想象一下，将弹簧连接到最接近分离超平面的每个点，将弹簧的另一端连接到超平面。这些点被称为＆＃34;支持向量＆＃34;它们就像一台机器＆＃34;，将超平面移动到最大化空间中正负实例之间分离的方向。