支持向量机：原理与应用

支持向量机 (SVM)

支持向量机 (SVM) 是一种强大的监督学习算法，适用于分类、回归和异常值检测任务。其核心思想是找到一个最优的超平面，将数据点划分到不同的类别中。

SVM 的优势:

• 高维空间表现出色: 即使特征维度远高于样本数量，SVM 依然能保持良好的性能。
• 内存高效: SVM 只利用一部分数据点 (支持向量) 进行决策，节省内存空间。
• 通用性强: 可选择不同的核函数来适应不同的数据分布。

SVM 的局限:

• 核函数选择: 需要谨慎选择合适的核函数，以避免过拟合。
• 概率估计: SVM 本身不提供概率估计，需要额外的计算步骤。