支持向量机（二）

时间 2020-12-23

原文原文链接

一.理论 1.总结 1）训练好的模型的算法复杂度由支持向量的个数决定的，而不是由数据的维度决定的。所以SVM不太容易产生overfitting（过拟合） 2）SVM训练出来的模型完全依赖于支持向量，即使训练集中所有非支持向量的点被去除，重复训练过程，结果仍然会得到完全一样的模型。 3）一个SVM如果训练得出的支持向量个数比较少，SVM训练出的模型比较容易被泛化。 2.线性不可分的情况 1）数据集

>>阅读原文<<

1. 支持向量机---SVM 最小二乘支持向量机---LSSVM
2. 支持向量机SVM（二）
3. SVM-支持向量机（二）
4. 支持向量机(二)
5. 支持向量机（二）
6. 支持向量机（SVM）二
7. 机器学习（二）支持向量机
8. 支持向量机
9. 第二章支持向量机 1.1支持向量机（线性可分定义）
10. 支持向量机SVM和最小二乘支持向量机LSSVM
更多相关文章...
• R 绘图 - 中文支持 - R 语言教程
• SVN分支 - SVN 教程
• 漫谈MySQL的锁机制
• RxJava操作符（二）Transforming Observables