人工智能：解决二分类问题最优雅的方法：支持向量机

支持向量机是二分类中比较复杂的一个类型，它可用于解决线性或非线性二分类问题。

如下图，二分类问题可以形象的表述为在实例中间找到一线能够将他们分开。但是这些线可能有很多（高维空间就变成了超平面），支持向量机的核心思想就是要找到那个与正例、负例间隔最大的平面，即最优分割平面。

图1 二分类问题

支持向量机的数学模型见下图，距正例最近的方程为wx+b=1，负例为wx+b=-1,分割平面为wx+b=0。是不是像一条河将正例、负例隔开了。那么这条直线存在么？如果问题是线性可分的，则该直线必然存在，而且通过支持向量机算法一定能够找到。（证明过程略）

如果分类的问题是线性不可分呢？可以用核函数的概念，将问题映射到高维空间中，在低维空间不可分的问题，在高维空间很容易找到分离超平面来进行分割。支持向量机的运算推导比较繁琐复杂复杂，这里不一一列出，网上有非常多的文章详细介绍，我们只要了解它的核心思想，在遇到问题的时候能够想到使用支持向量机来解决就可以啦。对数学过程感兴趣的朋友可以参看李航博士写的统计学习里相关的内容，讲述的还是比较清楚的。

支持向量机算法适用于线性或非线性可分的二分类问题，如果存在分类则一定可由该算法找到解，所以在拿不准问题的时候可以作为候选项试试。支持向量机的思想是非常简单的，但是就是简单的思想却解决了看似非常复杂的智能问题，也许智能的本质确实能归结到简单的原理，而不像神经网络那样用复杂的结构拟合却给不出原因的解释。