为啥要使用支持向量机？

Posted 2023-03-12

【中文标题】为啥要使用支持向量机？

【英文标题】：why using support vector machine?为什么要使用支持向量机？

【发布时间】：2018-05-23 04:02:13

【问题描述】：

我有一些关于 SVM 的问题： 1- 为什么使用 SVM？或者换句话说，是什么导致它出现？ 2- 最先进的技术（2017） 3- 他们做了哪些改进？

【参考方案1】：

SVM 最常用于有标记数据可用的分类问题（监督学习），并且对于使用有限数据进行建模很有用。对于未标记数据的问题（无监督学习），支持向量聚类是一种常用的算法。由于决策边界不会重叠，SVM 往往在二元分类问题上表现更好。您的第二个和第三个问题非常模棱两可（需要大量工作！），但我只想说 SVM 已发现广泛适用于医学数据科学。这里有一个链接可以探索更多相关信息：Applications of Support Vector Machine (SVM) Learning in Cancer Genomics

【参考方案2】：

SVM 运行良好。在许多应用中，它们仍然是性能最好的算法之一。

我们已经看到了一些进展，特别是在线性 SVM 方面，它的训练速度比内核 SVM 快得多。

阅读更多文献。不要指望这种 QA 格式的详尽答案。代表您付出更多努力。