机器学习 - 支持向量机（SVM）目录索引

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_37352167/article/details/85535145

• SVM目录索引

  • 线性可分 SVM：硬间隔最大化

  • 线性 SVM：软间隔最大化

  • 非线性 SVM：核技巧

  • 序列最小最优化算法 (SMO）

  • 特点

    1. 优点：
       $\bullet$ 依赖的支持向量少，模型精致
       $\bullet$ 训练完成后，预测速度非常快
       $\bullet$ 只受边界点影响，对高纬数据效果也很好
       $\bullet$ 与核函数结合极具通用性
       $\bullet$ 可表示为凸优化问题，可获得全局最优解

    2. 缺点
       $\bullet$ 训练中计算成本较高
       $\bullet$ 依赖边界软化参数 C 的选择
       $\bullet$ 预测结果无法直接进行概率解释