机器学习笔记：SVM

SVM-Support Vector Machines-支持向量机

优点：泛化错误率低，计算开销不大，结果易解释。

缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题。

适用数据类型：数值型和标称型数据

支持向量机最主要的还是选出离分隔超平面最近的点，这些点叫支持向量，然后最大化支持向量到分隔面的距离。

不能耐心的看完SVM的理论了，实在是太多。。等老师给我们讲的时候再去细细探讨下。

这里收藏个博客，慢慢看。

http://blog.csdn.net/abcjennifer/article/details/7849812/

平时使用svm就直接使用sklearn里的svm包

http://scikit-learn.org/stable/modules/classes.html#module-sklearn.svm

from sklearn import svm

svm.SVC 只能在数据集比较小的时候使用

大的数据集应该使用svm.LinearSVC

在高维度的数据集下应该使用svm.OneClassSVM

具体使用例子以及说明详见http://scikit-learn.org/stable/modules/classes.html#module-sklearn.svm

实在抱歉。。

给自己点了个踩