您好、欢迎来到现金彩票网!
当前位置:双彩网 > 向量搜索 >

【运营大数据】支持向量机的基础概述

发布时间:2019-06-08 02:29 来源:未知 编辑:admin

  与传统的神经网络技术相比,支持向量机不仅结构简单,而且各项技术的性能也明显提升,因此它成为当今机器学习领域的热点之一。

  作为一种新的分类方法,支持向量机以结构风险最小为原则。在线性的情况下,就在原空间寻找两类样本的最优分类超平面。在非线性的情况下,它使用一种非线性的映射,将原训练集数据映射到较高的维上。

  在新的维上,它搜索线性最佳分离超平面。使用一个适当的对最够高维的非线性映射,两类数据总可以被超平面分开。

  再假设该训练集可被一个超平面线性划分,设该超平面记为(w,x)+b=0.

  图中圆形和方形代表两类样本,H为分类线,分别为过各类样本中离分类线最近的样本并且平行于分类线的直线,它们之间的距离叫做分类间隔。所谓的最优分类线就是要求分类线不但能将两类正确分开,而且能使分类间隔最大。推广到高维空间,最优分类线就成了最优分类面。

  其中,距离超平面最近的一类向量被称为支持向量,一组支持向量可以唯一地确定一个超平面。

  通过学习算法,SVM可以自动寻找出那些对分类有较好的适应能力和较高的分类准确率。

  支持向量机的缺点是训练数据较大,但是,它的优点也是很明显的——对于复杂的非线性的决策边界的建模能力高度准确,并且也不太容易过拟合(过拟合,是指模型在训练的时候对样本“模拟”过好,不能反映真实的输入输出函数关系,所以一旦模型面对新的应用数据的时候,就表现为不准确的程度较大。)。

  支持向量机主要用在预测、分类这样的实际分析需求场景中。返回搜狐,查看更多

http://bluecaleel.com/xiangliangsousuo/126.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有