02-37 支持向量机总结

目录

• 支持向量机总结
• 1、支持向量机优缺点
• 2、优势
• 3、缺点
• 4、小结

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：http://www.javashuo.com/article/p-vozphyqp-cm.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，若是感受本身仍是对间隔最大化、支持向量等知识点不太了解的，能够对着简单的感知机模型多看几遍，多揣摩揣摩，若是对对偶形式优化不太懂得，能够参考拉格朗日乘子法多看一看，若是不涉及太深，优化方面仅作了解便可，下面将和你们聊一聊支持向量机的优缺点。

1、支持向量机优缺点

2、优势

1. 既能够解决分类问题，又能够解决回归问题
2. 不依赖全部数据，仅仅使用一部分数据作分离超平面的决策
3. 可使用不一样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，模型效果很是好

3、缺点

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

4、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普遍应用于工业上，SVM因为计算开销大的缺点貌似有点招架不住，可是对于数据量不大的样本集，SVM的表现仍是很是不错的。