1125day7

1.SVM算法的优缺点 

优点：

可以优先解决高维特征的分类 和回归问题

无需依赖全体样本，只依赖支持向量

有大量的核技巧可以使用，从而应对线性不可分问题

适合样本量少的数据集

缺点：

如果特征维度远远大于样本个数，svm表现一般

svm在样本巨大时使用和函数时计算量很大

非线性数据的和函数选择没有标准

svm对缺失和噪声数据敏感

2.SVM的超参数C如何调节 

C和正则化参数lambda相反，过拟合时减少C值，欠拟合时增大C值
3.SVM的核函数如何选择 

当特征维度n较高，而样本规模m较少时，不宜使用和函数或者选用线性核的svm，否则容易过拟合

当特征维度n较低，而样本规模m足够大时，考虑使用高斯核函数，不过在使用高斯核前要进行特征缩放【喵？】
4.简述SVM硬间隔推导过程 

 

5.简述SVM软间隔推导过程