第八节: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。

上一篇
下一篇
Copyright © 2022 Egon的技术星球 egonlin.com 版权所有 帮助IT小伙伴学到真正的技术