SVM（支援向量機）屬於神經網路範疇嗎？

1樓：帳號已登出

首先什麼是svm？svm是英文“support vector machine‘’的縮寫，指的是支援向量機，是常見的一種判別方法。在機器學習領域，是一個有監督的學習模型，通常用來進行模式識別、分類以及迴歸分析。

x-bce-process=image%2fresize%2cm_lfit%2cw_600%2ch_800%2climit_1%2fquality%2cq_85%2fformat%2cf_auto" esrc="https:

com/4a36acaf2edda3ccfb3468430de93901203f9285"/>

所以具體地從科學角度來說，這個線性svm的計算部分和一個單層神經網路一樣，就是一個矩陣乘積。svm的關鍵在於它的hinge loss以及maximum margin的想法。其實這個loss也是可以用在神經網路裡的（參見object detection的r-cnn方法）。

x-bce-process=image%2fresize%2cm_lfit%2cw_600%2ch_800%2climit_1%2fquality%2cq_85%2fformat%2cf_auto" esrc="https:

com/77c6a7efce1b9d16602c4a02ffdeb48f8d5464ee"/>

這個問題svm（支援向量機）屬於神經網路範疇？對於處理非線性資料，svm和神經網路走了兩條不同的道路：神經網路通過多個隱層的方法來實現非線性的函式，有一些理論支援（比如說帶隱層的神經網路可以模擬任何函式），但是目前而言還不是非常完備；svm則採用了kernel trick的方法，這個在理論上面比較完備（rkhs，簡單地說就是一個泛函的線性空間）。

兩者各有好壞，神經網路最近的好處是網路設計可以很靈活，但是老被人說跳大神；svm的理論的確漂亮，但是kernel設計不是那麼容易，所以最近沒有那麼熱了。

x-bce-process=image%2fresize%2cm_lfit%2cw_600%2ch_800%2climit_1%2fquality%2cq_85%2fformat%2cf_auto" esrc="https:

com/a6efce1b9d16fdfa3187168db88f8c5495ee7bee"/>

什麼是支援向量機（svm）以及它的用途？

2樓：汽車影老師

svm - support vector machine, 俗稱支援向量機，為一種supervised learning演算法，屬於classification的範疇。在資料探勘的應用中，與unsupervised的clustering相對應和區別。

廣泛應用於機器學習(machine learning), 計算機視覺(computer vision) 和資料探勘(data mining)當中。

假設要通過三八線把實心圈和空心圈分成兩類，那麼有無數多條線可以完成這個任務。在svm中，尋找一條最優的分界線使得它到兩邊的margin都最大。

3樓：匿名使用者

支援向量機將向量對映到一個更高維的空間裡，在這個空間裡建立有一個最大間隔超平面。在分開資料的超平面的兩邊建有兩個互相平行的超平面。分隔超平面使兩個平行超平面的距離最大化。

假定平行超平面間的距離或差距越大，分類器的總誤差越小。

它是一種監督式學習的方法，廣泛應用於統計分類以及迴歸分析中。

SVM（支援向量機）屬於神經網路範疇嗎？

如何選擇神經網路的超引數,BP神經網路模型各個引數的選取問題

神經網路分析的樣本是不是要大於,神經網路分析的樣本是不是要大於10

matlab訓練神經網路，performance圖中的bes

matlab中bp神經網路出現inf

人工神經網路bp結果圖怎麼分析,BP神經網路matlab得出的結果分析,新手不知道怎麼看,請各位大神幫幫忙

求助bp神經網路訓練後輸出的performance圖形問題

神經網路做函式逼近，會做了，但是函式逼近到底有什麼用處呢

神經網路中ReLU是線性還是非線性函式？如果是線性的話為什麼還說它做啟用函式比較好

如何在R語言中進行神經網路模型的建立

BP神經網路中，激勵函式（傳遞函式），訓練函式，學習函式分別代表什麼意思，用途是什麼

SVM（支援向量機）屬於神經網路範疇嗎？

相關推薦