机器学习在癌症数据集上的应用实践

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，