为什么 SVM 是一种“黑盒”学习算法？

【问题标题】：why is SVM a "black box" learning algorithm?为什么 SVM 是一种“黑盒”学习算法？
【发布时间】：2018-06-16 11:02:21
【问题描述】：

我正在学习 Andrew Ng 在 Coursera 上的机器学习课程，在他的 SVM 部分的介绍中，他说：“SVM 被许多人认为是最强大的‘黑盒’学习算法”

他没有详细说明。为什么 SVM 会被视为黑盒？是因为他们的行为不如逻辑回归那么简单吗？

【问题讨论】：

【解决方案1】：

在机器学习中，一些算法被称为黑盒过程，因为将输入转换为输出的机制被一个假想的盒子混淆了，不受观众的干扰。

一般来说，SVM 试图解决的基本问题是二元分类。经典示例之一是区分垃圾邮件和非垃圾邮件。

SVM 背后的主要思想是，它试图找到一个超平面，将空间中的这些点分开，一侧是正例，另一侧是负例。

这就是“机器”的概念出现的地方。想象一下，将弹簧连接到离分离超平面最近的每个点，并将弹簧的另一端连接到超平面。这些点被称为“支持向量”，它们就像一台“机器”，将超平面移动到最大化空间中正负样本之间分离的方向。

【讨论】：