超级会员免费看
本文介绍了使用SVM进行二类分类的实战应用，以预测用户是否会购买SUV为例。首先，导入必要的库和数据，接着进行数据预处理包括数据集切分和特征缩放。然后，使用SVM进行训练和预测，展示了SVM的关键参数。最后，通过混淆矩阵评估模型性能，并探讨了不同核函数对结果的影响，如linear和rbf。
前言
支持向量机（Support Vector Machine, SVM），这名字听起来就很高大上，也是一种二类分类模型，据说在深度学习的潜力没有充分发掘出来前，SVM是非常受到追捧的。它的原理就不说了，纯数学的推论，密密麻麻的数学公式宛如天书，我们只需要知道SVM最终是找出一个超曲面把两类样本尽可能的分开，因此它的关键在于如何生成这个超曲面。
简单介绍如下
好了，原理忽悠过了，开始进行实战：使用DT算法预测用户是否会购买SUV，没错，还是逻辑回归那个例子，看看传说中的SVM效果如何：
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
