SVM是怎么对图像进行分类的？

VM很快，效率特别高，根据SVM的原理，其解决二分类问题（也就是非此即彼类问题）非常高效。

SVM（support vector machine）作为传统机器学习的一个非常重要的分类算法，已经广泛应用于各个行业。

SVM简单来说是一个分类器，举个简单的例子，桌子上有几个玻璃球，球有两种颜色，一种是红色，一种是蓝色， 然后可以通过一条线将这些球分开。

为了使这条线对红色球和蓝色球之间的距离最大化，也就是这条线在正中间，需要寻找一条最恰当的线。这条最优化的线在两个平行的细线之间。

假如这些玻璃球并不是在桌子上，而是在空间中呢，那么可以画出一个曲面，这个曲面正好分割所有的红玻璃球和蓝玻璃球。

大多数情况下，这条线或者面并不是平直的，也就是说是弯曲的，术语叫“线性不可分”。这时其实是可以把这个非线性提升到更高维上进行线性划分的（具体方法感兴趣的可以查阅详细资料，当把问题转化为线性问题后，其实解决问题就简单了。

假设有一张图像，图像里有一只猫，高维的线性划分库里面有7个动物模版，分别是：1狗、2猫、3老鼠、4鸡、5鸭子、6鹅、7兔子、8黄鼠狼。对需要预测的图像与我们库里的模版做运算，最后所得的结果落在哪个区域就说明这张图更像什么。

因为SVM是用训练好的模版直接对图像进行运算，因此可想而知，SVM很快，效率特别高，根据SVM的原理，其解决二分类问题（也就是非此即彼类问题）非常高效。

以上就是如何用SVM对图像进行分类的讲解。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！