为什么要使用支持向量机？
why using support vector machine?
我对 SVM 有一些疑问：
1- 为什么 使用 SVM？或者换句话说，是什么导致它出现？
2- 艺术状态 (2017)
3- 他们做了哪些改进？
SVM 工作得很好。在许多应用中，它们仍然是性能最好的算法之一。
我们已经看到了一些进步，尤其是在线性 SVM 上，它的训练速度比内核 SVM 快得多。
阅读更多文献。不要指望在这种 QA 格式中得到详尽的答案。为您付出更多努力。
SVM 最常用于标记数据可用（监督学习）的分类问题，并且对于使用有限数据建模很有用。对于未标记数据（无监督学习）的问题，支持向量聚类是一种常用的算法。 SVM 倾向于在二元分类问题上表现更好，因为决策边界不会重叠。您的第二个和第三个问题非常模棱两可（需要大量工作！），但我只想说 SVM 已经在医学数据科学中找到了广泛的适用性。这里有一个link来探索更多关于这个的信息：Applications of Support Vector Machine (SVM) Learning in Cancer Genomics
我对 SVM 有一些疑问： 1- 为什么 使用 SVM？或者换句话说，是什么导致它出现？ 2- 艺术状态 (2017) 3- 他们做了哪些改进？
SVM 工作得很好。在许多应用中，它们仍然是性能最好的算法之一。
我们已经看到了一些进步，尤其是在线性 SVM 上，它的训练速度比内核 SVM 快得多。
阅读更多文献。不要指望在这种 QA 格式中得到详尽的答案。为您付出更多努力。
SVM 最常用于标记数据可用（监督学习）的分类问题，并且对于使用有限数据建模很有用。对于未标记数据（无监督学习）的问题，支持向量聚类是一种常用的算法。 SVM 倾向于在二元分类问题上表现更好，因为决策边界不会重叠。您的第二个和第三个问题非常模棱两可（需要大量工作！），但我只想说 SVM 已经在医学数据科学中找到了广泛的适用性。这里有一个link来探索更多关于这个的信息：Applications of Support Vector Machine (SVM) Learning in Cancer Genomics