应用背景:在我们使用其他一些分类方法对低维特征空间进行分类时,无论怎么设计分类器得不到好的分类效果,于是人们提出把低维空间映射到高维空间进行分类,而且达到了很好的分类效果,进而提出支持向量机(support vector machines , SVM)分类模型。
基本原理:支持向量机是一种定义在特征空间上使间隔最大的线性二分类模型,也可将其推广到多类分类问题。
当低维特征空间分类效果不佳时,支持向量机通过映射到高维空间实现高效分类。这是一种基于最大间隔原则的线性二分类模型,亦可扩展应用于多类分类。
应用背景:在我们使用其他一些分类方法对低维特征空间进行分类时,无论怎么设计分类器得不到好的分类效果,于是人们提出把低维空间映射到高维空间进行分类,而且达到了很好的分类效果,进而提出支持向量机(support vector machines , SVM)分类模型。
基本原理:支持向量机是一种定义在特征空间上使间隔最大的线性二分类模型,也可将其推广到多类分类问题。

被折叠的 条评论
为什么被折叠?