2023-08-03 21:45 London School of Economics and Political Science 数据分析师
关注
数据分析面试 - ML(1-SVM)
简介：
- 支持向量机是一种机器学习算法，主要用于分类和回归问题。
- 基于统计理论的结构风险最小化原则，通过
寻找最优超平面将数据集划分成不同的类别，让不同类别之间的边界最大化。
- 核心思想：通过寻找最大间隔超平面将数据分成不同的类，同时用kernel function将数据映射到高维空间，以解决非线性分类问题。
优点：
1. 可以处理高维度数据&非线性分类问题
2. 用不同的kernel function适应不同的问题（线性KF- 线性可分问题；高斯KF-非线性可分问题）
3. 对噪声数据的鲁棒性比较强，可以通过设置软间隔来避免过于依赖噪声数据
缺点：
1. 二分类模型，对于多分类需要进行多次训练
2. 对于参数选择和KF选择敏感，要进行反复实验和调整
3. 不适合处理大规模的数据集，需要进行降维度/使用随机采样的方法
4. 不直接给出概率估计，需要使用间接的方法进行概率估计，eg: Platt缩放
对噪声和缺失值敏感：
1. 噪声：对于噪声数据的鲁棒性强，如果噪声数据太多，会影响模型性能，导致过拟合/欠拟合。为了避免过拟合可以使用软间隔来降低对噪声数据的依赖性。
2. 缺失值：svm需要对整个数据集进行训练，如果存在缺失值，就要对缺失值进行处理，否则回影响模型的性能。
- 支持向量机是一种机器学习算法，主要用于分类和回归问题。
- 基于统计理论的结构风险最小化原则，通过
寻找最优超平面将数据集划分成不同的类别，让不同类别之间的边界最大化。- 核心思想：通过寻找最大间隔超平面将数据分成不同的类，同时用kernel function将数据映射到高维空间，以解决非线性分类问题。
优点：
1. 可以处理高维度数据&非线性分类问题
2. 用不同的kernel function适应不同的问题（线性KF- 线性可分问题；高斯KF-非线性可分问题）
3. 对噪声数据的鲁棒性比较强，可以通过设置软间隔来避免过于依赖噪声数据
缺点：
1. 二分类模型，对于多分类需要进行多次训练
2. 对于参数选择和KF选择敏感，要进行反复实验和调整
3. 不适合处理大规模的数据集，需要进行降维度/使用随机采样的方法
4. 不直接给出概率估计，需要使用间接的方法进行概率估计，eg: Platt缩放
对噪声和缺失值敏感：
1. 噪声：对于噪声数据的鲁棒性强，如果噪声数据太多，会影响模型性能，导致过拟合/欠拟合。为了避免过拟合可以使用软间隔来降低对噪声数据的依赖性。
2. 缺失值：svm需要对整个数据集进行训练，如果存在缺失值，就要对缺失值进行处理，否则回影响模型的性能。
全部评论
sp到手了的小熊猫很紧张
门头沟学院 数据分析师
哪个公司
相关推荐
点赞 评论 收藏
分享
牛客20646354...：这连小厂都找不到就离谱，只能说可能你根本没投什么小厂。说实话现在都要11月了，没什么岗位了。其实最好是在9月找，那时候暑假工刚走，岗位多的是，现在都占满了岗位了，秋招的秋招，顶替暑假工的也基本上都顶替了。 只能多投了，简历其实都差不多，你这都不是外卖+点评去找实习了，已经比好多人优秀了。实在找不到，可以降低一些标准的，能投到自研项目的小厂说实话可能比你去中大厂能学到更多东西。因为中大厂最多给你看一点点模块功能，小厂基本上全部代码甚至几个项目的代码都能拿到。
点赞 评论 收藏
分享
牛客31544035...：最近hc 少，基本上不怎么缺人，两段大厂实习试着投了投也没啥面试
点赞 评论 收藏
分享