数据挖掘(支持向量机)-CDA数据分析师官网

2016-08-15

支持向量机（Support Vector Machine）是数据挖掘算法中最强壮，最准确的方法之一。它是由Cortes 和 Vapnik 于1995年首先提出来的，它能根据有限的样本信息在模型的复杂度和学习能力之间寻求最佳折衷。

要理解 SVM 需要一点数学知识，我们先来看看二维空间的分类，由图可知，C1 和 C2 两个类可以由一条线一分为二，如果是三维就应该是一个面了，我们放开维数不管，这样一个划分的分类器叫做“超平面”hyper-plane

我们记这个二维超平面 g（x）= w * x + b 因此，当我们在 C1 类中的点 x1，它的 g（x1） > 0，因此被分到了 C1，而在 C2 类中的点 x2，g（x2）< 0，因此被分到了 C2。是不是很简单。

注意，当我们的维数增加上去的时候，我们会发现，其实 w 表示的是权重向量，b 表示的是最优超平面偏移。当我们对文本分类的时候，一个实例一般由一组属性和一个标记如 Di = （xi，yi），就可以知道该点到超平面的距离 r 也就是 r = g（x1）/ || w || 。

其中 w = （w1，w2，...，wm） cda数据分析师协会

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

支持向量机数据挖掘 SVM 文本分类数据分析

数据分析咨询请扫描二维码