李晓明

现在，人工智能很热。人工智能应用中有些很基本的需求，分类即为其中最常见的一种。分类关心的是如何将一个对象归到已知类别中。例如，人可以分为少年、青年、中年、老年四个类别，商品可以分为廉价和高档两个类别，学生在课堂上的表现可分为积极踊跃、沉稳细致、不以为然三个类别，网购者可分为随性和理性两种类别，等等。在日常生活中，这种分类主要凭感觉。而如果用计算机来做，则每一种类别都需要通过一些数据特征予以刻画，每一个对象或者说个体都是通过一个“数据点”来表示，如后面要讲的一个网购的例子，其数据特征就用了“每月网购次数”和“每次平均花费”。一个每月网购10次、每次平均花费120元的人则用数据点（10，120）来表示。

不难体会到，把一个个体归到预设的类别中，有些比较容易，有些则很不容易。鉴于分类在现实中有广泛的应用，人们发明了多种算法，应对各种不同的情形。本文介绍两个最基本的算法——K近邻（KNN）算法和支持向量机（SVM）算法。

这两个算法的基本思路都很简单直观。KNN的实现容易理解，因而人工智能的教材里一般都会有它。SVM的常规实现需要较深的数学基础，因而一般初等人工智能教材都没有它。不过，由于SVM实在很重要，最近也看到有尝试在中学人工智能教材中介绍它[1]，只是在介绍了算法基本思想后用了一句“这个问题可以用优化方法求解，但具体过程已经超出了同学们现阶段的知识储备，等到同学们以后学习了相关的数学工具后，就可以求解了”就结束了。……