python人工智能面试题目 支持向量机SVM

目录

介绍下SVM？

推导下SVM？

说说SVM能解决哪些问题？

说说SVM核函数特点与作用？

说说SVM有什么主要特点？

说说SVM优缺点？

说说SVM为什么引入对偶问题？

说说SVM中你知道的核函数有以及表达式？

说说如何理解SVM中的对偶问题？

说说逻辑回归与SVM有什么区别？

说说如果特征比较多，用LR还是SVM？

说说SVM是否可以用随机梯度下降？

说说为什么SVM对缺失数据敏感？

说说SVM怎么防止过拟合？

---

介绍下SVM？

 SVM（Support Vector Machine，支持向量机）是二十世纪初使用广泛的分类算法，可以处理非线性和高维的机器学习问题。SVM目标是找到分类的最大间隔，为了更好的求解，针对SVM基本型使用拉格朗日方法找到其对偶问题，从而找到解。SVM只和支持向量有关，所以SVM对异常值不敏感，适合小数据集。
 
 支持向量：在求解的过程中，会发现只根据部分数据就可以确定分类器，这些数据称为支持向量。
 
 支持向量机（Support Vector Machine，SVM）：其含义是通过支持向量运算的分类器。
 
 支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是边界最大化，最终转化为一个凸二次规划问题来求解。由简至繁的模型包括：

 当训练样本线性可分时，通过硬边界（hard margin）最大化，学习一个线性可分支持向量机；
 
 当训练样本近似线性可分时，通过软边界（soft margin）最大化，