SVM是怎么對圖像進行分類的？

VM很快，效率特別高，根據SVM的原理，其解決二分類問題（也就是非此即彼類問題）非常高效。

SVM（support vector machine）作為傳統機器學習的一個非常重要的分類算法，已經廣泛應用于各個行業。

SVM簡單來說是一個分類器，舉個簡單的例子，桌子上有幾個玻璃球，球有兩種顏色，一種是紅色，一種是藍色， 然后可以通過一條線將這些球分開。

為了使這條線對紅色球和藍色球之間的距離最大化，也就是這條線在正中間，需要尋找一條最恰當的線。這條最優化的線在兩個平行的細線之間。

假如這些玻璃球并不是在桌子上，而是在空間中呢，那么可以畫出一個曲面，這個曲面正好分割所有的紅玻璃球和藍玻璃球。

大多數情況下，這條線或者面并不是平直的，也就是說是彎曲的，術語叫“線性不可分”。這時其實是可以把這個非線性提升到更高維上進行線性劃分的（具體方法感興趣的可以查閱詳細資料，當把問題轉化為線性問題后，其實解決問題就簡單了。

假設有一張圖像，圖像里有一只貓，高維的線性劃分庫里面有7個動物模版，分別是：1狗、2貓、3老鼠、4雞、5鴨子、6鵝、7兔子、8黃鼠狼。對需要預測的圖像與我們庫里的模版做運算，最后所得的結果落在哪個區域就說明這張圖更像什么。

因為SVM是用訓練好的模版直接對圖像進行運算，因此可想而知，SVM很快，效率特別高，根據SVM的原理，其解決二分類問題（也就是非此即彼類問題）非常高效。

以上就是如何用SVM對圖像進行分類的講解。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！