目录
一、支持向量机
-
- 一、支持向量机
- 二、核心代码
- 三、评价指标
-
- 3.1 混淆矩阵
- 3.2 预测分数
- 3.3 召回率
- 3.4 F分数
- 3.5 FN（false negative）
- 3.6 ROC曲线
- 3.7 AUC指标
支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。
SVM，SVC，SVR三者的关系：
- SVM=Support Vector Machine 是支持向量机；
- SVC=Support Vector Classification就是支持向量机用于分类&#
