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