2023-2024-1 20232426刘嘉成《网络空间安全导论》第5周学习总结

教材学习内容总结

教材学习思维导图

第5章内容安全基础.png

教材学习中的问题和解决过程

问题：在学习信息内容分类时，不明白支持向量机。
解决方案：询问chatgpt。

支持向量机（Support Vector Machine，SVM）是一种机器学习算法，主要用于二分类和多分类任务。它的目标是找到一个最优超平面，用于将不同类别的数据点分开。
在支持向量机中，数据点在特征空间中被视为点，并尝试找到一个能够让不同类别之间的间隔最大化的超平面。这个超平面被称为最大间隔超平面，它是根据训练数据点到超平面的最小距离来定义的。
SVM的关键思想是通过一个分割超平面来最大化类别间的间隔，而不仅仅只是成功地对训练样本进行分类。此外，SVM还使用了一种称为“核函数”的技术，使其能够处理非线性分类问题。
在训练阶段，SVM通过找到支持向量（距离最大间隔超平面最近的点）来确定最佳超平面。这些支持向量是决定分类边界的关键点。在实际应用中，SVM也可以用于解决回归问题。
总的来说，支持向量机是一种强大的机器学习算法，它可以用于分类和回归任务，并在处理线性和非线性问题时都表现良好。在信息内容分类中，支持向量机可以用于将文本、图像或其他形式的数据进行分类。