SVM(support vector machines)支持向量机,是一种应用广泛的分类方法。
SVM VS 深度学习:
1、SVM依赖数据量小,但需要选合适的核函数;
2、深度学习是数据驱动,数据量小的情况下,容易过拟合。
SVM三宝:间隔、对偶、核技巧
间隔:硬间隔、软间隔;
对偶:用强对偶条件来解原问题;
核函数:遇到线性不可分,用核函数,转为高维度问题。
常用核函数:高斯核函数(无限维度)
SVM(support vector machines)支持向量机,是一种应用广泛的分类方法。
SVM VS 深度学习:
1、SVM依赖数据量小,但需要选合适的核函数;
2、深度学习是数据驱动,数据量小的情况下,容易过拟合。
SVM三宝:间隔、对偶、核技巧
间隔:硬间隔、软间隔;
对偶:用强对偶条件来解原问题;
核函数:遇到线性不可分,用核函数,转为高维度问题。
常用核函数:高斯核函数(无限维度)