数学建模常用模型25：支持向量机

最新推荐文章于 2024-08-19 14:45:48 发布

Halosec_Wei

最新推荐文章于 2024-08-19 14:45:48 发布

阅读量9.7k

点赞数 5

分类专栏：数学建模算法

本文链接：https://blog.csdn.net/qq_41686130/article/details/81976445

版权

本文介绍了支持向量机(SVM)这一机器学习方法，它基于统计学习理论，提供强大的泛化能力。文章提到了线性可分SVM的两个应用案例，包括数据录入和分类，并提供了MATLAB代码示例。

摘要由CSDN通过智能技术生成

给大家安利一款朋友开发的自研国产数据分析基础工具，一键式自动分析，自动生成分析模板，5分钟掌握主流61个统计类数学模型（几乎涵盖SPSS绝大部分功能），以及23个有监督机器学习（包括随机森林，SVM，XGBoost等）

PS：巨方便简单上手，貌似现在是免费

官网：www.mpaidata.com mpai数据科学平台

支持向量机( support vector machine,SVM)是一种新的机器学习方法,其基础是Vapnik创建的统计学习理论( statistical learning theory,STL)。统计学习理论采用结构风险最小化（structural risk minimization,SRM)准则,在最小化样本点误差的同时,最小化结构风险,提高了模型的泛化能力,且没有数据维数的限制。在进行线性分类时,将分类面取在离两类样本距离较大的地方;进行非线性分类时通过高维空间变换,将非线性分类变成高维空间的线性分类问题。

一般支持向量机分类采用的是线性可分 SVM，以下为模型概述。