2018年9月10日
SVM简介及sklearn参数
摘要： 1.SVM简介 SVM方法建立在统计学VC维和结构风险最小化原则上，既可以用于分类（二/多分类）、也可用于回归和异常值检测。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。 使用SVM作为模型时，通常采用如下流程： sklea 阅读全文
posted @ 2018-09-10 19:08 Solong1989 阅读(36097) 评论(0) 推荐(3) 编辑