机器学习之-支持向量机-具体怎么实现及应用

1、支持向量机的优缺点及适用数据类型：

优点：泛化错误率低，计算开销不大，结果易于解释。

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。

适用数据类型：数值型和标称型数据。

2、为什么叫做超平面？这是个让人尴尬的问题！！！！

如果数据点都在二维平面上，那么分隔超平面就是一条直线，如果所给的数据点集是三维的，那么分隔数据的就是一个平面，更高维的以此类推，如果数据集是1024维的，那么需要一个1023维的某某对象来对数据进行分隔，而这个1023维的某某对象被称为超平面。

3、SVM的一般流程：

收集数据：可以使用任意方法。

准备数据：需要数值型数据。

分析数据：有助于可视化分隔超平面

训练算法：SVM的大部分时间都源自训练，该过程主要实现两个参数的调优。

测试算法：十分简单的计算过程就可以实现。

使用算法：几乎所有分类问题都可以使用SVM，值得一提的是，SVM本身是一个二类分类器，对多类问题应用SVM需要对代码做一些修改。

4、基于SVM的数字识别：

a）收集数据：提供的文本文件。

b）准备数据：基于二值图像构造向量。

c）分析数据：对图像向量进行目测。

d）训练算法：采用两种不同的核函数，并对径向基核函数采用不同的设置来运行SMO算法。

e）测试算法：编写一个函数来测试不同的核函数并计算错误率。

f）使用算法。