SVM (Support Vector Machine )

出處：使用臉部表情辨識作為憂鬱症分析之研究  100.7

支持向量機(Support Vector Machine) [2, 3]屬於一種監督式學習(supervised learning)的資料分類

方法，是目前分類方法中使用較容易且準確率較高的一種，

此方法對於存在一空間中的資料，希望能夠找出一個超平面(hyper plan)能夠把該空間中的資料

分為兩個群體，如圖 2.3 所示，我們利用訓練資料(training data)來找出最佳的超平面，

虛線代表的是超平面(hyper plan)，實線代表的是支持超平面(support hyper plan)，

而支持向量機(Support Vector Machine)希望找到資料分類的邊界(margin)為最大，

如圖 2.3 結果，其邊界(margin)並不是最大，圖 2.4 的結果即是支持向量機所要找的最佳結果，

其邊界(margin)為最大。

但一般的支持向量機(Support Vector Machine)有一個問題存在，他只能將資料分類為兩個

類別，因為支持向量機本身就是屬於一種二元分類方法，所以當需要分類出多個類別時，

就必頇要採用多類別支持向量機(Multi-class Support Vector Machine)，

即是結合多個二元分類模型達到多類別分類的目的。