02-37 支持向量机总结

支持向量机总结

  支持向量机中有线性可分支持向量机、线性支持向量机、非线性支持向量机、线性支持回归等算法，算是前期比较繁琐的一个内容，如果感觉自己还是对间隔最大化、支持向量等知识点不太了解的，可以对着简单的感知机模型多看几遍，多揣摩揣摩，如果对对偶形式优化不太懂得，可以参考拉格朗日乘子法多看一看，如果不涉及太深，优化方面仅做了解即可，下面将和大家聊一聊支持向量机的优缺点。

支持向量机优缺点

优点

1. 既可以解决分类问题，又可以解决回归问题
2. 不依赖所有数据，仅仅使用一部分数据做分离超平面的决策
3. 可以使用不同的核函数解决数据线性不可分的问题
4. 样本量不大的时候，模型效果非常好

缺点

1. 训练集样本量过大，核函数映射时维度非常高，计算开销偏大
2. 对缺失数据敏感

小结

  支持向量机也算是告一段落，虽然在目前大数据的时代背景下，集成学习和神经网络被广泛应用于工业上，SVM由于计算开销大的缺点貌似有点招架不住，但是对于数据量不大的样本集，SVM的表现还是非常不错的。