作者:禅与计算机程序设计艺术
1.简介
由于现实世界中应用最多的是分类算法(如“随机森林”、“支持向量机”),所以了解两者之间的差异对于合理选择模型并提高性能非常重要。那么今天给大家带来的就是面试宝典中的知识点《博客14:面试官问:“随机森林”和“支持向量机”有什么区别?》。通过对两个算法的比较,能够帮助读者更好地理解两个算法背后的思想、优缺点以及适用场景。相信这篇文章能够帮助到大家更好的理解这两种算法的不同之处,并且在实际工作中更好地选取模型进行优化。
2.基本概念术语介绍
支持向量机(SVM)
支持向量机(Support Vector Machine, SVM)是一种二类分类方法,它的基本模型是一个函数间隔最大化的分离超平面。其主要用于解决分类问题,属于统计学习方法的一种。
模型表达:
在二维空间中,给定一个训练数据集T={(x1,y1),(x2,y2),…,(xn,yn)},其中xi∈Rd指示输入实例,yi∈R+指示输出类别 (+1或-1),i=1,2,…,N;通过求解如下约束优化问题,求得使得分类正确率最大化的分离超平面: