集体智慧总结和使用范围归纳（三）

支持向量机（SVM）

先上图说明：

这是一种监督式的分类方法，适合于数据量比较大的情况。即是首先对已知数据进行区域判定，之后位置数据落在哪个区域内，就判断是属于哪个分类。

训练

这里假设对户主进行行为分析，横轴和纵轴分别是两个特征，而不同颜色则是她的3种行为习惯，那么在划分了区域后，之后只要知道她的两种特征后，就能推断出她在做什么。

但是，如果分类图如下所示：

就不好线性划分了，这时就需要用到 多项式变换或是 核技法。将这些点重新变成易于划分的形式。

优缺点

优点

适合于大量数据，分类速度快
缺点

遇到不好线性划分的数据要用核技法重新映射，然而不同的数据使用核技法的参数不同，每个都需要重新调整。

黑盒技术，虽然得到正确的结果，但不知道是如何得到的，过程难以理解。

k最邻近（KNN）

她的原理就是，对于一个需要预测的数据，找到已知数据集合中与她接近的k个数据，然后根据对他们的结果求均值得到预测的数据，常用来做价格预测。比如通过房子在什么城市，地段，卧室数量，房间面积，预测合适的房价。

这个方法不需要训练，只需计算未知数据与已知数据的关系即可。如图：

说到物联网的应用，假如未来你有个智能管家，家里的各种消耗品都不需要人再去操心买了，她都负责买好，那么问题来了，她如何确定什么东西多少钱呢，那么她会收集一系列该商品的价格，并分时间段进行分析，如果在用户对时间要求不高的情况下，她会在该商品最便宜的时候买下该消耗品。

优缺点

优点

简单好理解，对无用数据可清晰判断并剔除

可随时加入已知数据，不需重新训练

缺点

运算量大，源数据始终在不断变大

对于k的确定以及权重函数、参数的确定需要大量的测试，费时费力。

to be continue...