支持向量机（SVM）的优缺点

支持向量机（SVM）的优缺点

SVM的优点：

(1)非线性映射是SVM方法的理论基础,SVM利用内积核函数代替向高维空间的非线性映射；
(3)支持向量是SVM的训练结果,在SVM分类决策中起决定作用的是支持向量

(4)SVM 是一种有坚实理论基础的新颖的小样本学习方法
(5)SVM 的最终决策函数只由少数的支持向量所确定,计算的复杂性取决于支持向量的数目,而不是样本空间的维数,这在某种意义上避免了“维数灾难”
泛化性能比较好, 不容易过拟合

可以在较少的数据下取得好的性能

8. 缺点
大规模训练样本（m阶矩阵计算） 速度慢
传统的SVM不适合多分类
对缺失数据、参数、核函数敏感

参考：
https://www.jianshu.com/p/adc8e0d27dce