在本文中,我们一起学习如何将机器学习应用于癌症数据集。
1.摘要
支持向量机(SVM)是机器学习中最流行的有监督学习算法之一。许多研究人员都通过实践证明了该算法的优异性。
SVM既可以应用于回归问题,也可以应用于分类问题,本文以癌症数据集为例,描述了SVM在分类问题上的应用。
2.简介
SVM算法的应用十分广泛,目前已经应用到医学研究,面部识别,垃圾邮件分类,文档分类,手写识别等方面。在医学研究领域,SVM已被从业人员应用于:
- 白细胞分类
- 癌症预测
- 基因分类
部分研究人员声称,SVM在这些研究方面比逻辑回归、决策树甚至神经网络的预测效果更好。
3.SVM的线性应用
SVM算法在线性应用中非常流行的主要原因是,在先验知识较少的情况下,其在统计问题上的泛化性能依旧很好,并且输入空间(特征)维数很高时也是如此。
4.SVM的非线性应用
在解决非线性问题时,SVM通过核映射方法将其转换到高维度空间,从而可以轻松地定义最优超平面。SVM通过最优超平面来分离数据,使用核映射方法可以提高数据分类的能力。
如果超平面离数据点比较近,则我们认为他不是一个良好分类超平面,因为他对噪声数据比较敏感,