问稀疏数据支持向量机
EN

Data Science用户

提问于 2017-08-10 10:33:12

回答 1查看 3.6K关注 0票数 5

在与分解机相关的这论文中，作者比较了因子分解机(FM)和支持向量机( SVM )。由于FM的性能优于SVM，因此它被认为是稀疏数据的最新发展趋势。为什么支持向量机被认为是稀疏数据集的重要算法？支持向量机的哪些特性使其优于稀疏数据？

回答已采纳

发布于 2017-08-10 16:24:44

支持向量机( 支持向量机 )将数据示例表示为空间中的点，并试图在不同类别之间创建一个尽可能宽的映射。最接近缺口的数据例子称为“支持向量”。这些支持向量定义了SVM分类器。

如果您能够识别支持向量，则可以忽略所有其他数据点和维度。因此支持向量机能够有效地处理稀疏数据。

票数 8

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/22137

复制

相似问题

问稀疏数据支持向量机EN