你应该是一阵风丫

2020-10-17   阅读量: 19

机器学习【六】支持向量机SVM——专治线性不可分

机器学习【六】支持向量机SVM——专治线性不可分

涉及内容:
SVM原理————核函数、数据投射至高维空间、多项式内核、RBF内核

支持向量机的SVM核函数————创建一个线性内核的支持向量机模型、SVM内核换成RBF

SVM的核函数和参数选择————不同核函数的SVM对比、linearSVM算法

RBF内核SVC的gamma参数调节————结果分析

注意事项————3个非常重要的参数

SVM在回归分析中的应用:波士顿房价数据集——————了解数据集、SVR算法建立房价预测模型、StandardScaler数据预处理

优点:

  • 可应对高维数据集和低维数据集

  • 即使数据集中样本特征的测度都比较接近,如图像识别领域,以及样本特征数和样本数比较接近的时候,都游刃有余

缺点:

  • 当数据集中特征数量在1万以内,SVM可以驾驭,但数量大于10万,就非常占内存和耗费时间

  • 对数据预处理和参数调节要求很高


42.8531 1 0 关注作者 收藏

评论(0)


暂无数据

推荐帖子


    暂无数据

推荐课程