为什么使用支持向量机？

Question

我对 SVM 有一些疑问： 1-为什么使用 SVM？或换句话说，是什么导致它出现？ 2-艺术现状（ 2017 ） 3-他们做了什么改进？

Answer 1

SVM效果很好。在许多应用程序中，它们仍然是性能最佳的算法之一。

我们在线性SVM上看到了一些特别的进展，它们的训练速度比内核SVM快得多。

阅读更多文献。不要期望在此QA格式中得到详尽的答案。代表您付出更多努力。

Answer 2

SVM最常用于可使用标记数据的分类问题（监督学习），并且对于有限数据的建模非常有用。对于无标签数据的问题（无监督学习），支持向量聚类是一种常用算法。由于决策边界不会重叠，因此SVM倾向于在二进制分类问题上表现更好。您的第二个和第三个问题非常模棱两可（并且需要大量工作！），但我可以说SVM已在医学数据科学中找到了广泛的适用性。这里是一个链接，以探索更多有关此的内容：Applications of Support Vector Machine (SVM) Learning in Cancer Genomics