SVM简单回顾
支持向量机（SVM）方法建立在统计学VC维和结构风险最小化原则上，试图寻找到一个具有最大分类间隔的超平面，支持向量（Support Vector）是支持向量机训练的结果，在进行分类或者回归时也只依赖支持向量。因此SVM具有良好的鲁棒性，对未知数据拥有很强的泛化能力，特别是在数据量较少的情况下，相较其他传统机器学习算法具有更优的性能。 支持向量机（SVM）方法建立在统计学VC维和结构风险最小化原则上
阅读背景：
使用sklearn简单进行SVM参数优选
来源：互联网
分享到：
