机器学习算法能够精确分类

SVM是指支持向量机（Support Vector Machines）算法。 SVM是一种在机器学习领域广泛使用的分类算法。 SVM是在有监督学习下，从一系列带标签的训练样本中训练出分类模型，在此基础上预测新样本的分类。 SVM通过寻找训练样本中最优的分割超平面来实现分类任务。

  1）将被测物体置于三坐标测量空间，可获得被测物体上各测点的坐标位置，这项技术就是三坐标测量机的原理。 三坐标测量机是测量和获得尺寸数据的较有效的方法之一，可以替代多种表面测量工具，减少复杂的测量任务所需的时间，为操作者提供关于生产过程状况的有用信息。 2）三维激光扫描仪是通过发射激光来扫描被测物，以获取被测物体表面的三维坐标。 三维激光扫描技术又被称为实景复制技术，具有高效能、高精度的测量优势。 有人说，三维激光扫描是继GPS技术以来测绘领域的又一次技术革命。

如何为分类问题选择合适的机器学习算法 若要达到一定的准确率，需要尝试各种各样的分类器，并通过交叉验证选择最好的一个。

2.训练弱分类器：使用当前样本权重训练一个弱分类器。 3.更新样本权重：根据弱分类器的分类结果更新每个样本的权重，分类错误的样本权重会增加，分类正确的样本权重会减少。 4.组合弱分类器：将多个弱分类器组合成一个强分类器，每个弱分类器的权重由其分类准确率决定。