Machine Learning第七讲[支持向量机] --（三）SVM在实践中的应用

内容来自Andrew老师课程Machine Learning的第七章内容的SVM in Practice部分。

Using An SVM（实践中如何使用SVM）

在实际应用中，并不推荐自己写SVM的算法，可以使用别人已经写好的，那我们需要做什么呢？如下图：

对于核函数的选型，我们一般会选择线性核函数和高斯核函数。

一般情况下，我们需要自己提供核函数，必要的时候需要做归一化：

除了上面提到的线性核函数和高斯核函数，我们还有其他的选择吗？

在处理SVM中多元函数时，怎么处理呢？

我们应该怎样选择logistic回归算法、神经网络和SVM呢？

可能我们在遇到实际问题时，还是不知道应该选择哪一种算法，没关系，我们之前讲过最后决定结果的是数据集的大小、调优参数等因素，但是SVM仍然是比较高效的一个算法。