1.SVM算法的优缺点
2.SVM的超参数C如何调节
3.SVM的核函数如何选择
4.简述SVM硬间隔推导过程
5.简述SVM软间隔推导过程
衍生问题
SVM是否一定要进行归一化处理,因为他的本质是计算距离的算法”
- - - - - - - - - - - - - - -
训练过程用梯度下降求解的话,需要做归一化的。
关于偏差和方差是不是在同种算法训练出来的不同模型在相同的样本测试,才会得到,就像K折交叉验证”
- - - - - - - - - - - - - - -
不是,主要衡量的是 模型预测结果和真实结果的平均差距 (偏差),预测结果之间的差距 (方差)
如果偏差是预测结果和真实结果的差距,那误差又是什么呢”
- - - - - - - - - - - - - - -
误差 = 偏差 + 方差
如果计算模型方差,是不是要用同一个算法在不同数据上训练得到N个模型,然后在相同数据上预测。计算这N个模型的预测值之间的方差。”
- - - - - - - - - - - - - - -
不需要得到N个模型,偏差和方差本身是用来反映一个模型的误差情况。而不需要模型与模型比较反映其相对情况。