支持向量机的基本原理答：通过核函数间接实现非线性分类或函数回归，支持向量机通常简写作SVM。支持向量机使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器。支持向量机可以通过核方法进行非线性分类，是常见的核学习方法之一。支持向量机在人像识别、文本分类等模式识别问题...
什么是支持向量机?答：支持向量机这些特点是其他学习算法(如人工神经网络)所不及的。对于分类问题，单层前向网络可解决线性分类问题，多层前向网络可解决非线性分类问题。但这些网络仅仅能够解决问题，并不能保证得到的分类器是最优的；而基于统计学习理论的支持向量机方法能够从理论上实现对不同类别间的最优分类，通过寻找最坏...
支持向量机请通俗介绍 高中文化答：有时候，分类的那条线不一定是直线，还有可能是曲线，我们通过某些函数来转换，就可以转化成刚才的哪种多维的分类问题，这个就是核函数的思想。例如：分类的函数是个圆形x^2+y^2-4=0。这个时候令x^2=a; y^2=b,还不就变成了a+b-4=0 这种直线问题了。这就是支持向量机的思想。机的意思就是...
支持向量机答：1、对高维数据集十分有效。2、当p>n时，依然有效。3、高效利用内存。4、不同的核函数与决策函数一一对应。缺点如下：1、当p>>n时，需要合理选用核函数以避免过拟合。2、由于支持向量机不直接提供概率估计，需要经过五折交叉验证计算得到，所以它较慢。SVC、NuSVC和LinearSVC能够实现多元分类。SVC与NuSVC...
支持向量机(SVM)——原理篇答：对于输入空间中的非线性分类问题，可以通过非线性变换将它转化为某个维特征空间中的线性分类问题，在高维特征空间中学习线性支持向量机。由于在线性支持向量机学习的对偶问题里，目标函数和分类决策函数都只涉及实例和实例之间的内积，所以不需要显式地指定非线性变换，而是用核函数替换当中的内积。支持向量机...
支持向量机(SVM)基本原理答：我们的 SVM 还比较弱,只能处理线性的情况,不过,在得到了对偶dual 形式之后,通过 Kernel 推广到非线性的情况就变成了一件非常容易的事情了(通过求解对偶问题得到最优解,这就是线性可分条件下支持向量机的对偶算法,这样做的优点在于:一者对偶问题往往更容易求解;二者可以自然的引入核函数,进而推广到非线性分类问题”...
数据挖掘-支持向量机答：支持向量机(support vector machine,SVM)是一种出色的分类技术,也可以用于回归分析(SVR)。这种技术可以很好的应用于高维数据,避免维度灾难等问题。 SVM有一个特点就是使用训练集中的一个子集来表示决策边界,该子集称作 支持向量。 SVM的核心目标是找到分类中的最大边缘超平面,让其作为决策边界,那么什么是最大边缘超平...
西瓜书第六章支持向量机(6.1-6.2)答：支持向量机（SVM），全称是support vector machine,简单来说，它是一种二类分类器，基本模型就是在特征空间上寻找间隔最大的线性分类器，基于这个模型我们更改核函数就可以把它应用于非线性问题之中，首先我们看他的定义，什么是“在特征空间中寻找间隔最大的线性分类器”？首先我们应该知道什么是线性分类...
支持向量机(SVM)答：支持向量机(support vector machine),故一般简称SVM,通俗来讲,它是一种二分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区,因此支持向量机也被称为最大边缘区分类器。其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解...
支持向量机(三)——线性支持向量机答：上式中，因为 不在最优化表达式中，可以利用等式约束消去，简化约束。再把求极大转换成求极小，得到对偶问题如下 优化问题二：第三步， 求解分类超平面和分类模型。对于已求解出优化问题二（式 ）的最优解 ，则类似于线性可分支持向量机[3]的推导过程。原问题（式 ）是凸优化问题，则满足KKT...
网友点评：
邰欣亚18950684550：
怎么用支持向量机做五种分类 -
肇源县2912回复：
推荐用weka软件.里面集成多种基于SVM的算法.
邰欣亚18950684550：
分类器的选择 -
肇源县2912回复：
如果训练集很小,那么高偏差/低方差分类器(如朴素贝叶斯分类器)要优于低偏差/高方差分类器(如k近邻分类器),因为后者容易过拟合.然而,随着训练集的增大,低偏差/高方差分类器将开始胜出(它们具有较低的渐近误差),因为高偏差...
邰欣亚18950684550：
4.如何将两类判别法(如支持向量机)应用到多类问题? -
肇源县2912回复：
这个一般有两种方法: 给你个我看的别个总结的: 我们就会想到所谓“一类对其余”的方法,就是每次仍然解一个两类分类的问题.比如我们有5个类别,第一次就把类别1的样本定为正样本,其余2,3,4,5的样本合起来定为负样本,这样得到一...
邰欣亚18950684550：
svm(支持向量机),某个例子分类错误,如何反推查找分类错误得原因?感谢感谢. -
肇源县2912回复：
一般来讲这种工作没太大意义,而且知道了原因也基本解决不了.要很粗略的知道它怎么分错,首先找到样本核映射以后的中间变量,然后查看这个样本升维以后是否线性可分(一般来讲这个变量是高维,不能绘图,所以要有非常的耐心),如果是一个完全线性不可分的点,那就可以归为核函数的错,如果它线性可分,但是由于不敏感区过大或者过小导致决策函数偏离,那就可以归为损失函数的问题.但是这两者如果人为调整或者修正,往往会带来更多的样本分错.
邰欣亚18950684550：
SVM支持向量机多类问题 -
肇源县2912回复：
one vs one;one vs other;cramer and singer 2001;Error Correcting Output Code.
