02-37 支持向量机总结


目录

更新、更全的《机器学习》的更新网站,更有python、go、数据结构与算法、爬虫、人工智能教学等着你:https://www.cnblogs.com/nickchen121/p/11686958.html

支持向量机总结

支持向量机中有线性可分支持向量机、线性支持向量机、非线性支持向量机、线性支持回归等算法,算是前期比较繁琐的一个内容,如果感觉自己还是对间隔最大化、支持向量等知识点不太了解的,可以对着简单的感知机模型多看几遍,多揣摩揣摩,如果对对偶形式优化不太懂得,可以参考拉格朗日乘子法多看一看,如果不涉及太深,优化方面仅做了解即可,下面将和大家聊一聊支持向量机的优缺点。

一、支持向量机优缺点

二、优点

  1. 既可以解决分类问题,又可以解决回归问题
  2. 不依赖所有数据,仅仅使用一部分数据做分离超平面的决策
  3. 可以使用不同的核函数解决数据线性不可分的问题
  4. 样本量不大的时候,模型效果非常好

三、缺点

  1. 训练集样本量过大,核函数映射时维度非常高,计算开销偏大
  2. 对缺失数据敏感

四、小结

支持向量机也算是告一段落,虽然在目前大数据的时代背景下,集成学习和神经网络被广泛应用于工业上,SVM由于计算开销大的缺点貌似有点招架不住,但是对于数据量不大的样本集,SVM的表现还是非常不错的。

优质内容筛选与推荐>>
1、行为驱动开发之四,为自动化测试(运行Cucumber)提速
2、Express框架 --router/app.use
3、ORACLE表结构的操作
4、java高新技术-可变参数与OverLoad相关面试题分析
5、mysql碎片整理 optimize table tableName


长按二维码向我转账

受苹果公司新规定影响,微信 iOS 版的赞赏功能被关闭,可通过二维码转账支持公众号。

    阅读
    好看
    已推荐到看一看
    你的朋友可以在“发现”-“看一看”看到你认为好看的文章。
    已取消,“好看”想法已同步删除
    已推荐到看一看 和朋友分享想法
    最多200字,当前共 发送

    已发送

    朋友将在看一看看到

    确定
    分享你的想法...
    取消

    分享想法到看一看

    确定
    最多200字,当前共

    发送中

    网络异常,请稍后重试

    微信扫一扫
    关注该公众号





    联系我们

    欢迎来到TinyMind。

    关于TinyMind的内容或商务合作、网站建议,举报不良信息等均可联系我们。

    TinyMind客服邮箱:support@tinymind.net.cn