SVM(Support Vector Machine)指的是支持向量機(jī)，是常見(jiàn)的一種判別方法。在機(jī)器學(xué)習(xí)領(lǐng)域，是一個(gè)有監(jiān)督的學(xué)習(xí)模型，通常用來(lái)進(jìn)行模式識(shí)別、分類以及回歸分析。
廢話不多說(shuō)，上圖；由此，可以看出【支持向量機(jī)】是一種可以將數(shù)據(jù)進(jìn)行分類的模型！也包括測(cè)試數(shù)據(jù)。測(cè)試數(shù)據(jù)能說(shuō)明什么問(wèn)題，代表什么不在此討論；
如此x強(qiáng)大的分類模型，具體是怎么運(yùn)作的？想講清楚，的確較難，在此簡(jiǎn)單描述一下SVM的概念，測(cè)重使用的思路。
模型理論
首先，用一副圖來(lái)形象的描述一下支持向量機(jī)是個(gè)什么樣的角色；請(qǐng)大家看到連接X(jué)、Y軸的那條斜率為負(fù)的直線，于二維平面它表示成一條過(guò)XY軸的直線，在直線兩端明確的區(qū)分了圈圈和叉叉，這條直線就是SVM,就是我們要找的支持向量機(jī)模型；于更高階的情況中它可能是一個(gè)平面或者是N個(gè)形容不出來(lái)的平面所組成的東西，暫且叫它【模型】；這個(gè)模型由M組測(cè)試數(shù)據(jù)訓(xùn)練而成，這個(gè)模型就是后面用來(lái)自動(dòng)化監(jiān)管測(cè)試數(shù)據(jù)的定心丸。
模型的求解
求解過(guò)程是建立模型的第二步臺(tái)階，異常重要！很多資料中都有求解的相關(guān)記載，在這里不做深入推導(dǎo)，提供些資料供大家熟悉：
模型的使用
1.準(zhǔn)備? 數(shù)據(jù)拆分，70%訓(xùn)練數(shù)據(jù)，30%測(cè)試數(shù)據(jù)；訓(xùn)練數(shù)據(jù)中一部分正向數(shù)據(jù)，一部分負(fù)向數(shù)據(jù)
2.訓(xùn)練? 將數(shù)據(jù)帶入到Java代碼中去跑一下，直到跑出一組W數(shù)據(jù)且誤差率收斂的陣列。
3.使用? 截取測(cè)試過(guò)程中的數(shù)據(jù)，實(shí)時(shí)輸入到【模型】中，得到輸出結(jié)果：
一旦模型算出結(jié)果偏向于-1，那么預(yù)測(cè)異常已經(jīng)發(fā)生；偏向于+1，一切正常；
因此，在實(shí)時(shí)測(cè)試中所獲得的數(shù)據(jù)又可以反過(guò)來(lái)作為訓(xùn)練數(shù)據(jù)對(duì)模型進(jìn)行補(bǔ)充，數(shù)據(jù)量越大，訓(xùn)練模型越準(zhǔn)確（大到一定值后就沒(méi)意義了）。
模型可以用來(lái)作為判定當(dāng)前測(cè)試環(huán)節(jié)有沒(méi)有發(fā)生異常，或者趨近于異常。可以有效的在重大事件發(fā)生之前做好應(yīng)急措施（這是終極目標(biāo)）。
