scikit-learn官网文档翻译 1.4 Support Vector Machines

SVMs是用于分类、回归、孤立点检测的一系列监督学习方法。

支撑向量机的有点有：

1.高维空间有效性；

2.当维度树高于样本数时仍然有效；

3.在决策函数（称为支撑向量）中使用训练点的子集，因此它还是内存有效的；

4.通用的：决策函数可以指定不同的内核函数。提供了通用的内核，但也可以指定自定义的内核。

支撑向量机的缺点有：

1.如果特征数多于样本数，该方法可能提供较差的表现；

2.SVMs不直接提供概率估计，这些使用昂贵的五倍交叉验证来计算。