SVM 可视化教学系统

交互式学习支持向量机的原理与计算过程

0 个数据点
交互式画布
点击画布添加数据点，切换标签类型添加不同类别
预设数据:
计算过程详解

添加数据点并点击"训练 SVM"查看计算结果

参数设置
1

高斯核参数，控制决策边界的复杂度

100

较大的C值会减少误分类，但可能导致过拟合

使用说明

1. 添加数据点

选择"正类"或"负类"标签，然后在画布上点击添加数据点。

2. 选择核函数

线性核适用于线性可分数据，高斯核适用于非线性数据。

3. 调整参数

Gamma控制高斯核的宽度，C控制对误分类的惩罚程度。

4. 训练模型

点击"训练SVM"按钮，系统将使用SMO算法求解对偶问题。

5. 分析结果

查看核矩阵、Alpha值和决策边界，理解SVM的工作原理。

关键概念

  • 支持向量：αᵢ > 0 的样本点
  • 决策边界：f(x) = 0 的等值线
  • 间隔：支持向量到决策边界的距离