目录:
- 支持向量机概述
- 线性支持向量机
- SMO算法及其python实现
- 核方法
- 非线性支持向量机
支持向量机概述:
支持向量机是一种二类分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器;支持向量机还包括核技巧,这使其可以用来解决非线性分类问题。支持向量机的学习策略是间隔最大化,可形式化为一个凸二次规划求解问题,求解凸二次规划的最优化算法就是支持向量机的学习算法,序列最小优化算法SMO常用于实现支持向量机模型
- 优点:泛化错误率低,计算开销较小,结果易解释
- 缺点:对参数调节和核函数选择敏感,原始分类器不加修改仅适用于二类分类问题
- 适用数据类型:数值型和标称型数据