转载请注明作者和出处:https://blog.csdn.net/weixin_45814668
知乎:https://www.zhihu.com/people/qiongjian0427
Git:https://github.com/qiongjian/Machine-learning/
运行环境:anaconda—jupyter notebook
Python版本: Python3.x
更多精彩内容,尽在微信公众号,欢迎您的关注:
目录
1. 支持向量机
SVM:support vector machine,支持向量机。
支持向量机与上世纪90年代正式由Vapnik和Cortes正式发表,在文本分类任务中显示出卓越性能,很快成为机器学习主流技术,直接掀起了2000年前后统计学习的高潮。
支持向量机思想直观,但细节复杂,涵盖凸优化,核函数,拉格朗日算子等理论。
1.1 优缺点
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。
1.2 一个形象的例子
链接
桌子上有两种颜色的球,我们要把它们分开。
我们拿根棍子放在桌子上,效果很好,对吧?