SVM目录索引 线性可分 SVM:硬间隔最大化 线性 SVM:软间隔最大化 非线性 SVM:核技巧 序列最小最优化算法 (SMO) 特点 优点: ∙ \bullet ∙ 依赖的支持向量少,模型精致 ∙ \bullet ∙ 训练完成后,预测速度非常快 ∙ \bullet ∙ 只受边界点影响,对高纬数据效果也很好 ∙ \bullet ∙ 与核函数结合极具通用性 ∙ \bullet ∙ 可表示为凸优化问题,可获得全局最优解 缺点 ∙ \bullet ∙ 训练中计算成本较高 ∙ \bullet ∙ 依赖边界软化参数 C 的选择 ∙ \bullet ∙ 预测结果无法直接进行概率解释