Question

libsvm多分类各个向量机的函数值怎么计算

Answer 1

SVM有如下主要几个特点：（1）非线性映射是SVM方法的理论基础，SVM利用内积核函数代替向高维空间的非线性映射；（2）对特征空间划分的最优超平面是SVM的目标，最大化分类边际的思想是SVM方法的核心；（3）支持向量是SVM的训练结果，在SVM分类决策中起决定作用的是支持向量。（4）SVM 是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等，因此不同于现有的统计方法。从本质上看，它避开了从归纳到演绎的传统过程，实现了高效的从训练样本到预报样本的“转导推理”，大大简化了通常的分类和回归等问题。（5）SVM 的最终决策函数只由少数的支持向量所确定，计算的复杂性取决于支持向量的数目，而不是样本空间的维数