支撐集是什麼意思

支撐集（Support Set）是機器學習中的一個概念，特別是在監督學習（Supervised Learning）中，用來描述一個模型如何根據訓練數據進行決策。支撐集是指那些對模型決策邊界（Decision Boundary）影響最大的數據點集合。

在分類問題中，支撐集通常包含那些位於類別邊界附近的樣本，這些樣本對模型的決策邊界有著重要的影響。在分類器學習的過程中，這些樣本會被用來定義類別之間的分界線或超平面的位置。

例如，在二元分類問題中，使用線性分類器（如 logistic 回歸或線性支持向量機 SVM）時，支撐集通常包含那些在分類邊界上的樣本，以及那些與分界線最近的樣本。這些樣本對於確定分界線的位置和方向具有關鍵作用。

在實踐中，支撐向量機（Support Vector Machine, SVM）這個算法的名字就是來源於它們只關注這些支撐集的樣本，即「支持向量」（Support Vectors）。這些向量是那些與分界線最近的樣本，它們決定了分界線的位置。SVM 算法的目標就是最大化支撐向量之間的邊距（Margin），從而提高分類器的泛化能力。