SVM相关知识点

SVM目录索引
线性可分 SVM：硬间隔最大化

https://blog.csdn.net/weixin_37352167/article/details/85541583#_73

线性 SVM：软间隔最大化

https://blog.csdn.net/weixin_37352167/article/details/85563158

非线性 SVM：核技巧

 Φ(x)⋅Φ(z)=K(x,z)=(x*y)^2

https://blog.csdn.net/weixin_37352167/article/details/85806583

序列最小最优化算法 (SMO）

https://blog.csdn.net/weixin_37352167/article/details/86078484

特点

优点：
依赖的支持向量少，模型精致
训练完成后，预测速度非常快
只受边界点影响，对高纬数据效果也很好
与核函数结合极具通用性
可表示为凸优化问题，可获得全局最优解

缺点
训练中计算成本较高
依赖边界软化参数 C 的选择
预测结果无法直接进行概率解释
https://blog.csdn.net/weixin_37352167/article/details/85535145