如图1所示，直线方程为x+y-4=0，设直线上方的"o"为正例，直线下方的"+"为负例。当样本点被超平面正确分类时，满足yi(w*xi +b) > 0条件，但是这个前提是假设**直线上方的点为正例，下方的点为负例。

想写一下我自己对于核函数的理解，虽然并不知道核函数的发明过程，但我想以自己的理解，来重现这个过程。 核函数的应用很广，在SVM上的应用只是冰山一角。即便如此，我还是假设发明人是在解决SVM问题的过程了发明的核函数。 对于一个二分类问题，有一个理想的数据集，假设它是线性可分的，这时直接应用SVM算法即可进行分...

假设现在有一个二分类问题，先引入两个概念： 真正例率（TPR）：正例中预测为正例的比例 假正例率（FPR）：反例中预测为正例的比例 再假设样本数为6，现在有一个分类器1，它对样本的分类结果如下表（按预测值从大到小排序） 标签 预测值 1 0.9 1 0.8 1 0.7 0 0.3 0 0.2 0 0.1 ROC曲线的横轴为假正例率，纵轴为真正例率，...