fengxuezhiling的博客

支持向量机 1.基于最大间隔分隔数据 优点：泛化错误率低。计算开销不大，结果易解释 缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题 使用数据：数值型和标称型数据 我们希望找到离分隔超平面最近的点，确保它们离分隔面的距离尽可能远 在这里仅仅简单介绍，更为详细的数学需要自己去专门的书籍中学习。 2 .求解（SMO） SMO表示

聚类是一种无监督学习，它通过对无标记训练样本的学习来寻找这些数据的内在性质。 聚类的思想：将数据集划分为若干个不相交的子集（簇），每个簇对应一类，但通常聚类算法不会告诉你这些簇分别代表什么意义，只是这样分成这些不相交的簇。 聚类的作用： 作为一种探索性分析方法，分析数据的内在性质，寻找数据的分布规律 作为分类的预处理过程，并不直接数据分析，首先对需要分类的数据进行聚类，然后对聚类出