SVM:-----sklearn库
- 支持向量机(support vector machines)是一种二分类模型,将实例的特征向量映射为空间中的一些点,SVM的目的就是想画出一条线,以“最好的”区分这两类点,以至如果有了新的点,这条线也能做出很好的分类。
- 适用于:中小型数据样本,非线性,高维的分类问题
- 样本空间的划分:一条直线(二维) / 一张平面(高维)
- 划分的好不好的判断标准:能区分两个类别+间隔(margin)最大。这样样本局部扰动时对它的影响最小,产生的分类结果最鲁棒,对未见示例的泛化能力最强。
(鲁棒性/抗变化性:指在异常和危险情况下系统生存的能力,也指控制系统在一定的参数摄动下,维持其他某些性能的特性,例如,计算机软件在输入错误,磁盘崩溃,网络过载或有意攻击的情况下,能否不死机,不崩溃。)
- Margin=距离划分直线/平面两侧最近的点到它的垂直距离之和(这两点就是支持向量点)
- 一般,划分直线/平面处于largest margin 的中间,这样SVM对两种类别新实例的泛化能力相同
核方法
举例:
作用:
将向量的维度从低维映射到高维
降低运算复杂度降低运算复杂度
参考链接:chttps://blog.csdn.net/qq_31347869/article/details/88071930