6 支持向量机SVM

注：理论部分参考：http://blog.csdn.net/v_july_v/article/details/7624837

(1)SVM是现成最好的分类器，这里“现成”指的是分类器不加修改即可直接使用。

(2)SVM的实现方法有很多，最常用的就是序列最小最优化算法(SMO，sequentialminimal optimization)

(3)几乎所有的分类问题都可以使用SVM，但值得一提的是，SVM本身是一个二值分类器，对多类分类问题应用SVM需要对代码做一些修改。

(4)支持向量机是一种分类器。之所以称为“机”是因为它会产生一个二值决策结果，即它是一种决策“机”。

通过求解对偶问题得到最优解，这就是线性可分条件下支持向量机的对偶算法，这样做的优点在于：一者对偶问题往往更容易求解；二者可以自然的引入核函数，进而推广到非线性分类问题

SVM优缺点：

优：泛化错误率低，计算开销不大，结果易解释。

缺：对参数调整和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题。

适用数据类型：数值型和标称型数据。