2-5.1 经典机器学习算法-SVM原理-采用间隔最大化-通过什么办法解决非线性分类问题-为什么转换为对偶问题求解-缺失数据敏感性

1、请简述 SVM 原理
2、SVM 为什么采用间隔最大化?
3、支持向量机（SVM）可以通过什么办法解决非线性分类问题？
4、为什么要将求解 SVM 的原始问题转换为其对偶问题？
5、为什么SVM对缺失数据敏感

---

1、请简述 SVM 原理

基本原理：通过构建线性超平面来划分样本

---

2、SVM 为什么采用间隔最大化?

（1）最优超平面是唯一的

（2）提升模型泛化性，提升预测结果的鲁棒性

---

3、支持向量机（SVM）可以通过什么办法解决非线性分类问题？

通过引入核思想（Kernel Method）将特征映射到更高维的空间中

---

4、为什么要将求解 SVM 的原始问题转换为其对偶问题？

（1）将原始问题中的不等式约束，转换为对偶问题中的等式约束

（2）简化问题的计算将求w的问题转换为求拉格朗日系数的问题

（3）方便核函数的引入

---

5、为什么SVM对缺失数据敏感

（1）SVM本身没有缺失值处理的策略，特征向量本身及特征空间的构建，对SVM的结果有影响

（2）超平面的确定由少量支持向量决定，缺失数据在超平面附近会影响模型的结果