模式识别学习笔记（13）——svm

SVM 它有什么优点？有什么缺点？ 为什么要有SVM？在什么情况下我需要用svm？ 考虑一个最简单的线性分类器，在很多情况下，用线性是分不开的，如果我们有很多的feature，将其映射到高维空间，可以使其线性可分（实际上是核方法的思想）。在feature很多的情况下，如果我们还用传统的方法，比如感知器，去训练的话，因为k维空间的VC维是k+1，当映射到高维空间，k增加的时候，这个VC维也在跟着增加

>>阅读原文<<