python支持向量 SVM 做文本（中文）三分类 （一）基础知识_python基于svm的文本分类

想用SVM做文本分类？

首先你需要知道几个基本概念：然我来百科一下  哈哈

1. 线性可分   ？  分隔超平面？   超平面？  间隔？  支持向量？

•  如下图，很容易就能找到一条直线将数据点分开。这组数据就称为  线性可分（linear separable）数据。这条线就称为分隔超平面（形式可以写为$W^t X+b$）。  但如果是N维数据，一条线（二维）或一个面（三维），更高维度数据的分割对象以此类推， 就需要N-1维，该对象就称为超平面。  我们希望找到离分隔超平面最近的点，确保他们离分隔超平面的距离尽可能的远，这里点到分割面的距离就被称之为间隔（margin）， 支持向量就是离分隔超平面最近的那些点。

2. 然后需要知道分类器求解的优化问题（数学推导，还是不详细说了）

有一点需要知道，就是如果数据并不是100%线性可分，这时，就需要引入 “松弛变量”，来允许有些数据点处于分割面的错误一侧。这样我么的优化目标就能保持不变。约束条件变为  C >= a >0   。  原先100%线性可分的约束为  a>0 .    C在这里就是一个参数。我们可以通过调节参数得到不同的结果。一旦求出所有的alpha，分隔超平面就可以用这些参数来表示。

SVM的主要工作就是求解alpha  参数，就是约束条件中的参数。

3.  SVM应用的一般框架

1）收集数据

2）准备数据

3）分析数据

4）训练算法  -   测试算法  -使用算法

下一博客 再进行代码实现吧   喜欢的小仙女 小帅哥  手动点赞  哈哈哈  欢迎指正。   另提供（我是学生，仅限学术服务，价格优惠）数据抓取服务。