支持向量机概述_CDA答疑社区

kejiayuan0806

2019-01-16 阅读量: 774

支持向量机概述

支持向量机

SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间（一般情况下高维空间上比低维空间上更加线性可分），然后建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面）。最优解在某种意义上是两类中距离分割面最近的特征向量和分割面的距离最大化。离分割面最近的特征向量被称为”支持向量”，意即其它向量不影响分割面（决策函数）。

特点：当数据集合比较小的时候，支持向量机的效果常常最好。对于核来说，不仅仅只存在于 SVM内，对于任意的算法，只要计算时出现了内积的，都可以用核函数替代，从而提高在高维数据上的性能。