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：“SVM被许多人认为是最强大的'黑盒'学习算法”
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的行为简单明了吗？
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的盒子混淆，而不受 Spectator 的干扰 .
通常，SVM试图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 .
SVM背后的主要思想是它试图找到一个超空间来分隔空间中的那些点，一方是正例，另一方面是负例 .
这就是“机器”这个概念的名称 . 想象一下，将 spring 连接到最接近分离超平面的每个点，将 spring 的另一端连接到超平面 . 这些点被称为“支持向量”，它们就像一个“机器”，将超平面移动到最大化空间中正面和负面示例之间分离的方向 .
1 回答
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的盒子混淆，而不受 Spectator 的干扰 .
通常，SVM试图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 .
SVM背后的主要思想是它试图找到一个超空间来分隔空间中的那些点，一方是正例，另一方面是负例 .
这就是“机器”这个概念的名称 . 想象一下，将 spring 连接到最接近分离超平面的每个点，将 spring 的另一端连接到超平面 . 这些点被称为“支持向量”，它们就像一个“机器”，将超平面移动到最大化空间中正面和负面示例之间分离的方向 .