QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3136|回复: 0
打印 上一主题 下一主题

什么是支持向量机

[复制链接]
字体大小: 正常 放大

1189

主题

4

听众

2934

积分

该用户从未签到

跳转到指定楼层
1#
发表于 2024-4-27 15:03 |只看该作者 |倒序浏览
|招呼Ta 关注Ta
支持向量机(Support Vector Machine,SVM)是一种常用于分类和回归分析的机器学习算法。其基本原理是找到一个最优的超平面(对于二分类问题而言,即一条直线或者一个平面),将不同类别的样本分隔开来,并且使得两侧距离最近的样本点到超平面的距离最大化,这些样本点被称为支持向量。% y* `1 F- S8 t+ V; @1 n. Y) v
支持向量机的主要特点包括:& U% J. }( o4 R
5 c4 c. o/ ?* o8 }3 ~, I
1.最大化间隔:支持向量机通过最大化两个类别之间的间隔来选择最优的超平面,这使得模型具有更好的泛化能力。' t- H6 \* d: ~+ Y" P3 N
2.核技巧:支持向量机可以通过核函数将输入空间映射到高维特征空间,从而处理线性不可分的情况,例如可以使用多项式核函数或高斯核函数。
8 i& v) L- R& r2 V' S6 Y3.稀疏性:由于支持向量机主要依赖于支持向量,而支持向量只占据了数据集的一小部分,因此支持向量机模型具有稀疏性,对内存占用和计算效率有较好的表现。- g5 `5 v. b: Y( h
4.非线性分类:通过使用核技巧,支持向量机可以处理非线性分类问题,并且在处理高维数据和小样本数据时表现较好。, E4 R5 R. I5 Y  \+ q. Q
5.对异常值敏感:支持向量机对异常值比较敏感,因为它们可能成为支持向量,影响最优超平面的确定。: N" e7 B/ n# y4 `! U+ r
8 J. R9 a1 g: P
支持向量机在实际应用中被广泛使用,尤其在文本分类、图像分类、生物信息学等领域取得了很好的效果。然而,支持向量机也存在一些缺点,例如对大规模数据的处理效率较低,参数调整较为困难等。
% n4 Z' \, A% o3 w
: h9 ~* L* w& i7 F
9 @: a6 r  [, E% T! P0 I& i
zan
转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
您需要登录后才可以回帖 登录 | 注册地址

qq
收缩
  • 电话咨询

  • 04714969085
fastpost

关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

手机版|Archiver| |繁體中文 手机客户端  

蒙公网安备 15010502000194号

Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

GMT+8, 2026-7-10 10:00 , Processed in 0.394340 second(s), 51 queries .

回顶部