# 支持向量機 本章將介紹有關如何在 TensorFlow 中使用，實現和評估支持向量機（SVM）的一些重要秘籍。將涵蓋以下領域： * 使用線性 SVM * 減少到線性回歸 * 在 TensorFlow 中使用內核 * 實現非線性 SVM * 實現多類 SVM > 本章中先前涵蓋的邏輯回歸和大多數 SVM 都是二元預測變量。雖然邏輯回歸試圖找到最大化距離的任何分離線（概率地），但 SVM 還嘗試最小化誤差，同時最大化類之間的余量。通常，如果問題與訓練示例相比具有大量特征，請嘗試邏輯回歸或線性 SVM。如果訓練樣本的數量較大，或者數據不是線性可分的，則可以使用具有高斯核的 SVM。 另外，請記住本章的所有代碼都可以在 [https://github.com/nfmcclure/tensorflow_cookbook](https://github.com/nfmcclure/tensorflow_cookbook) 和 Packt 倉庫中找到： [https://github.com/PacktPublishing/TensorFlow -Machine-Learning-Cookbook-Second-Edition](https://github.com/PacktPublishing/TensorFlow-Machine-Learning-Cookbook-Second-Edition) 。