机器学习——SVM(Support Vector Machine)

这里写一下SVM，是为了帮助自己梳理本科的毕业设计。这可以说是一个完整的项目，从实验的设计，开展，完成到最后写论文、答辩，当时自己还是本科，现在回过头来看，还有很多细节理解得不是很深入。有一场面试问到这个项目的时候，就先让你介绍一下，然后问你为什么要用这个方法？我回答的是SVM更适合小样本，然后面试官就问我为什么SVM更适合小样本。我把SVM给解释了一下，说到了支持向量，可是答案似乎并没有让面试官满意（这个问题说实话，我完全没有准备，只能根据自己的知识积累去回答，当时本科用这个算法，也是老师给推荐的，说你去尝试实现一下）。还是一场面试面试官问的是你知道SVM的间隔函数吗？可不可以说一下？（当时是电话面试）

总结一下，当面试官问你一个项目的时候，一般是先让你介绍一个项目的，好了，这只是一个开始，后面会问你怎么做的？为什么要这么做？简单说来就是是什么-怎么办-为什么。这中间还会穿插数据的处理、损失函数、评价的指标，这就需要你熟悉整个完整的流程。关于数据处理、损失函数、评价的指标都会问你是怎么做的或者怎么计算的，有些甚至直接问你知道公式是怎么样的，甚至还会有一些发散性的考察，比如问数据处理的时候，就说如果我给你2组数据，你怎么知道它们是相关还是不相关的呢？我当时脑子里闪过的就是协方差矩阵了，但是和相关系数的关系这个我真记不起来了。这里考查的知识点是数据的相关性。更深入一点，我觉得还有可能会问到SVM和logistic回归分别在什么情况下使用？SVM和Softmax有什么区别？

这虽然是一个小小的面试，但是我感觉面试官衡量的是你是否全部有参与到这个项目中，你是否熟悉整个项目，具备完成一个项目的能力，还涉及到专业知识的考查。比如如果你自己在表述的时候，某些说法存在问题，比如我说到了过拟合，其实并没有，面试官就问你解释一下什么叫过拟合？我说了一下，过拟合和欠拟合这个概念我记得还是蛮清楚的，然后面试官就说那你想想你刚才说的那个是不是有问题？哈哈哈哈，这个时候我一般会大胆地承认自己说得有问题，然后开始重新思考和回答这个问题。我觉得面试的时候即便自己不能回答得上来，要注意思考问题的角度和面试官给到的一些提示，毕竟这也是一个双向的沟通和交流，比如面试官可能跟你说为什么其他方法不可以呢？这个时候就要换个角度去想这个问题。还比如说面试官问你还有呢？这个时候你就要仔细回想一下，然后进行补充。当然，如果下次还被问到这种问题，你就可以先说，我认为有以下几点，然后说完了再根据面试官的回应看是否要补充。

好了，还是回到SVM来啦。

---

这里看了一下别人写的技术博客，真的是有学习到，就给几个链接吧。

1、线性SVM