数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
SVM：Support Vector Machine，中文名为支持向量机，是常见的一种分类方法，最初是为二分类问题设计的。
在机器学习中，SVM 是有监督的学习模型。
什么是有监督学习和无监督学习？
有监督学习：即在已有类别标签的情况下，将样本数据进行分类。
无监督学习：即在无类别标签的情况下，样本数据根据一定的方法进行分类，即聚类。
分类好的类别需要进一步分析后，从而得知每个类别的特点。
一、原理
找到具有最小间隔的样本点，然后拟合出一个到这些样本点距离和最大的线段/平面。
硬间隔：数据是线性分布的情况，直接给出分类。
软间隔：允许一定量的样本分类错误。
核函数：非线性分布的数据映射为线性分布的数据。
二、比喻说明
分隔桌上一堆红球和篮球
用一根线将桌上的红球和蓝球分成两部分；
分隔箱子里一堆红球和篮球
用一个平面将箱子里的红球和蓝球分成两部分。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
