c++教程 既然使用神经网络也可以解决分类问题，那SVM、决策树这些算法还有什么意义呢？

既然使用神经网络也可以解决分类问题，那SVM、决策树这些算法还有什么意义呢？

这取决于数据量和样本数。不同的样本数和特征数据适合不同的算法。像神经网络这样的深度学习算法需要训练大量的数据集来建立更好的预测模型。许多大型互联网公司更喜欢深度学习算法，因为他们获得的用户数据是数以亿计的海量数据，这更适合于卷积神经网络等深度学习算法。

如果样本数量较少，则更适合使用SVM、决策树和其他机器学习算法。如果你有一个大的数据集，你可以考虑使用卷积神经网络和其他深度学习算法。

以下是一个图表，用于说明根据样本数量和数据集大小选择的任何机器学习算法。

如果你认为它对你有帮助，你可以多表扬，也可以关注它。谢谢您

svm为什么要引入拉格朗日的优化方法？

支持向量机采用拉格朗日乘子法更有效地解决优化问题。

SVM将寻找几何区间最大的超平面的任务转化为凸优化问题，具体如下：

当然，我们可以直接用现成的工具来解决，但是有一种更有效的方法，即利用拉格朗日乘子法将原问题转化为成对问题。

具体方法如下：（1）将约束条件集成到目标函数中，得到拉格朗日函数；（2）然后计算模型参数w和B的偏导数，使其为零；（3）得到w后，将其引入拉格朗日函数中，消除模型参数w和B；（4） 这样就得到了原问题的对偶问题，它等价于原问题，对偶问题也是一个凸优化问题，我们用SMO算法求解拉格朗日乘子；（5）得到拉格朗日乘子后，我们可以进一步得到模型参数w和B，然后我们就可以得到想要的超平面。

如何用svm处理数据？

您可以使用SVM通过Python或MATLAB处理数据。

1。安装anaconda。你可以搜索它

2。在scikit中使用SVM学习用SVM处理数据

c++教程 表格制作教程 svm是什么意思

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。