就像用Fisher线形判别式分析一样,SVM也是一种分类器,用于搜寻能在数据组中区分数据点的超平面。这种区分追求将属于不同类别的(如疾病)被选中的分界数据点(称为“支持向量”)之间的距离最大化。这种转化可以通过应用各种功能(“核心”)如原始数据的点积就可以实现最优化。经验证明,这种SVM对于低样本特征率是非常强大的。SVM如何操作,为什么比起传统的统计方法对样本量的需求是如此之小?这个实例和讨论表明,在SVM结构图中构建一种分类器,甚至是当预测指标的数量大于有效样本量几个数量级数都是可能的,并且这些分类器 ......