SVM模型有3种
1、线性可分支持向量机:适用于训练数据线性可分;2、线性支持向量机:适用于训练数据近似线性可分,也就是存在一些特异点,将这些特异点去除后的样本线性可分(现实中的数据经常是线性不可分的);3、非线性支持向量机:适用于训练数据线性不可分,可采用相应的核技巧;
SVM模型的学习都可以根据拉格朗日的对偶性转换为求解对偶问题的最优解;目前实现最多最流行的就是序列最小优化,也就是SMO( Sequential Minimal Optimization)。
SVM模型有3种
1、线性可分支持向量机:适用于训练数据线性可分;2、线性支持向量机:适用于训练数据近似线性可分,也就是存在一些特异点,将这些特异点去除后的样本线性可分(现实中的数据经常是线性不可分的);3、非线性支持向量机:适用于训练数据线性不可分,可采用相应的核技巧;
SVM模型的学习都可以根据拉格朗日的对偶性转换为求解对偶问题的最优解;目前实现最多最流行的就是序列最小优化,也就是SMO( Sequential Minimal Optimization)。