您好、欢迎来到现金彩票网!
当前位置:2019跑狗图高清彩图 > 向量 >

支持向量机中所谓的支持向量究竟是什么?

发布时间:2019-09-03 06:06 来源:未知 编辑:admin

  看了很多有关支持向量机的预测方法,但始终不明白所谓的支持向量究竟是指什么?如MATLAB支持向量工具箱中有如下函数:[alpha,b]=trajlllssvm({Ptmin’,Ttrain’,type,gam,sig2,...

  看了很多有关支持向量机的预测方法,但始终不明白所谓的支持向量究竟是指什么?

  真是一点头绪都摸不着,请各位指教,非常感谢!!!展开我来答

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  在支持向量机中,距离超平面最近的且满足一定条件的几个训练样本点被称为支持向量。

  图中有红色和蓝色两类样本点。黑色的实线就是最大间隔超平面。在这个例子中,A,B,C 三个点到该超平面的距离相等。

  注意,这些点非常特别,这是因为超平面的参数完全由这三个点确定。该超平面和任何其他的点无关。如果改变其他点的位置,只要其他点不落入虚线上或者虚线内,那么超平面的参数都不会改变。A,B,C 这三个点被称为支持向量(support vectors)。

  1、高维度:SVM 可以高效的处理高维度特征空间的分类问题。这在实际应用中意义深远。比如,在文章分类问题中,单词或是词组组成了特征空间,特征空间的维度高达 10 的 6 次方以上。

  2、节省内存:尽管训练样本点可能有很多,但 SVM 做决策时,仅仅依赖有限个样本(即支持向量),因此计算机内存仅仅需要储存这些支持向量。这大大降低了内存占用率。

  3、应用广泛:实际应用中的分类问题往往需要非线性的决策边界。通过灵活运用核函数,SVM 可以容易的生成不同的非线性决策边界,这保证它在不同问题上都可以有出色的表现(当然,对于不同的问题,如何选择最适合的核函数是一个需要使用者解决的问题)。

  展开全部呵呵,百度上会这东西的人很少的。支撑向量本质是向量,而这些向量却起着很重要的作用,如果做分类,他们就是离分界线最近的向量。也就是说分界面是靠这些向量确定的,他们支撑着分类面。名字就是这么来的...

http://chinoamobi.com/xiangliang/435.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有