原标题:机器学习笔记:支持向量机(svm)
原文来自:博客园 原文链接:https://www.cnblogs.com/igofreely/p/11181934.html
支持向量机(svm)英文为Support Vector Machines
第一次接触支持向量机是2017年在一个在线解密游戏“哈密顿行动”中的一个关卡的二分类问题,用到了台湾教授写的svm库libsvm ‘C#’版。支持向量机在深度学习之前统治了机器学习近10年,机器学习有个没有免费的午餐定理,意思是说没有一个算法在任何情况下都是最好的。
支持向量机的优势
泛化性能比较好, 不容易过拟合
可以在较少的数据下取得好的性能
存在全局最优解
存在高效实现的训练算法
可以使用kernel trick处理非线性的问题
理论非常完美
缺点
SVM: 好的分割线具有最大间隔
svm是一个线性分类器,wx+b=0 wx+b=-1 wx+b=1,线性不可分的情况下使用松弛变量
k类扩展SVM到支持多个类别的方法:
Hinge Loss(合页损失函数)
将特征映射到更高的维度
免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。
合作及投稿邮箱:E-mail:editor@tusaishared.com