學習筆記，僅供參考，有錯必糾

---

文章目錄

• • 支持向量機
  • • 分類
    • • 多分類問題
      • 分數和概率
      • 不平衡的問題
    • 回歸
    • 密度估計，新穎性檢測
    • 復雜性

---

支持向量機

支持向量機（SVM）是一組用于分類、回歸和異常檢測的有監督學習方法。

支持向量機的優點是：

• 在高維空間有效。
• 在特征數大于樣品數的情況下仍然有效。
• 在決策函數中使用訓練點的子集（稱為支持向量），因此它也是內存有效的。
• 通用：可以為決策函數指定不同的內核函數。提供了通用內核，但也可以指定自定義內核。

支持向量機的缺點包括：

• 如果特征個數遠大于樣本個數，在選擇核函數時要避免過擬合，正則化項是關鍵。
• 支持向量機不直接提供概率估計，這些估計是使用昂貴的五倍交叉驗證計算的（見下面的分數和

總結

以上是生活随笔為你收集整理的sklearn自学指南(part22)--支持向量机的分类与回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。