###### tags: `課程共筆`

# Support Vector Machine(SVM)

### Q1: What is Support Vector, margin, Tube, Kernel?
- Support Vector
- margin
- The shortest distance between the observation and the threshold
- Tube
- Kernel

### Q2: 參數C, Gamma分別會如何、造成什麼影響?
- C parameter : 對雜訊的容忍度，避免overfitting
- Gamma :

### Q3: Hard margin and Soft margin
- Hard margin : 分類結果一定要完全正確的
- Soft margin : 可以容忍分類的結果部分錯誤
### Q4: How to maximum margin

### Q5: What is kernel
> How kernel map features to higher dimensional

### Q6: What is Loss function of SVM

### 結論

- 在分類問題上
- 選擇不同的kernel, 調整參數
- 利用Accuracy評估預測結果
- 利用F1 score 和 confusion matrix評估預測結果
- 在回歸問題上
- 觀察各feature和房價之間的關係並選擇適當的kernel做預測
- 不生成新feature的情況下是否可以讓預測結果接近先前做linear Regression的結果