首页 > 正在进行安全检测...

正在进行安全检测...

发布时间：2023-11-23 09:16:36 来源：文档文库

小中大

字号：

手机查看

南京理工大学
课程考核课题

课程名称：数据挖掘与处理课题题目：支持向量机组长：
组员：陈志岩（912113850117）

成绩：
任课教师评语：

签名：
年月日

支持向量机
一、概述：
支持向量机是数据挖掘中的一项新技术，是在统计学习理论基础上发展起来的一种新的数据挖掘方法，借助于最优化方法解决机器学习问题的新工具。统计学习理论是一种专门研究小样本情况下机器学习规律的理论，其主要内容包括以下四个方面：
1、经验风险最小化准则下统计学习一致性的条件2、在这些条件下关于统计学习方法推广性的界的结论3、在这些界的基础上建立的小样本归纳推理准则4、实现新的准则的实际方法

二、前期知识：
SVM的背景简介
支持向量机(SupportVectorMachine是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。
支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力（或称泛化能力）。
所谓VC维是对函数类的一种度量，可以简单的理解为问题的复杂程度，VC维越高，一个问题就越复杂。正是因为SVM关注的是VC维，我们可以了解到，SVM解决问题的时候，和样本的维数是无关的（甚至样本是上万维的都可以，这使得SVM很适合用来解决文本分类的问题，当然，有这样的能力也因为引入了核函数）。

本文来源：https://www.2haoxitong.net/k/doc/9aae3d6811661ed9ad51f01dc281e53a5802518f.html